Torchvision.models包里面包含了常見的各種基礎(chǔ)模型架構(gòu)，主要包括：

AlexNet
VGG
ResNet
SqueezeNet
DenseNet
Inception v3
GoogLeNet
ShuffleNet v2
MobileNet v2
ResNeXt
Wide ResNet
MNASNet

這里我選擇了ResNet50，基于ImageNet訓(xùn)練的基礎(chǔ)網(wǎng)絡(luò)來實現(xiàn)圖像分類， 網(wǎng)絡(luò)模型下載與加載如下：

這里首先需要加載ImageNet的分類標簽，目的是最后顯示分類的文本標簽時候使用。然后對輸入圖像完成預(yù)處理，使用ResNet50模型實現(xiàn)分類預(yù)測，對預(yù)測結(jié)果解析之后，顯示標簽文本，完整的代碼演示如下：

 1with open('imagenet_classes.txt') as f:
2    labels = [line.strip() for line in f.readlines()]
3
4src = cv.imread("D:/images/space_shuttle.jpg") # aeroplane.jpg
5image = cv.resize(src, (224, 224))
6image = np.float32(image) / 255.0
7image[:,:,] -= (np.float32(0.485), np.float32(0.456), np.float32(0.406))
8image[:,:,] /= (np.float32(0.229), np.float32(0.224), np.float32(0.225))
9image = image.transpose((2, 0, 1))
10input_x = torch.from_numpy(image).unsqueeze(0)
11print(input_x.size())
12pred = model(input_x.cuda())
13pred_index = torch.argmax(pred, 1).cpu().detach().numpy()
14print(pred_index)
15print("current predict class name : %s"%labels[pred_index[0]])
16cv.putText(src, labels[pred_index[0]], (50, 50), cv.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 2)
17cv.imshow("input", src)
18cv.waitKey(0)
19cv.destroyAllWindows()

運行結(jié)果如下：

在torchvision中的模型基本上都可以轉(zhuǎn)換為ONNX格式，而且被OpenCV DNN模塊所支持，所以，很方便的可以對torchvision自帶的模型轉(zhuǎn)為ONNX，實現(xiàn)OpenCV DNN的調(diào)用，首先轉(zhuǎn)為ONNX模型，直接使用torch.onnx.export即可轉(zhuǎn)換(還不知道怎么轉(zhuǎn)，快點看前面的例子)。轉(zhuǎn)換之后使用OpenCV DNN調(diào)用的代碼如下：

 1with open('imagenet_classes.txt') as f:
2    labels = [line.strip() for line in f.readlines()]
3net = cv.dnn.readNetFromONNX("resnet.onnx")
4src = cv.imread("D:/images/messi.jpg")  # aeroplane.jpg
5image = cv.resize(src, (224, 224))
6image = np.float32(image) / 255.0
7image[:, :, ] -= (np.float32(0.485), np.float32(0.456), np.float32(0.406))
8image[:, :, ] /= (np.float32(0.229), np.float32(0.224), np.float32(0.225))
9blob = cv.dnn.blobFromImage(image, 1.0, (224, 224), (0, 0, 0), False)
10net.setInput(blob)
11probs = net.forward()
12index = np.argmax(probs)
13cv.putText(src, labels[index], (50, 50), cv.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 2)
14cv.imshow("input", src)
15cv.waitKey(0)
16cv.destroyAllWindows()