Python 使用tensorflow模型（更快的rcnn）检测对象时，opencv dnn的结果看起来很奇怪 操作系统：win1064 opencv:4.1.2，由anaconda安装 tensorflow:1.15，由pip安装

复制步骤

1：通过tf\u text\u graph\u faster\u rcnn.py生成配置文件

python tf_text_graph_faster_rcnn.py--输入冻结的_推断_graph.pb--配置pipeline.config--输出faster_rcnn_inception_resnet_v2_atrus_oid.pbtxt

冻结的\u推断\u graph.pb和pipeline.config是解压后的文件

2：通过示例代码检测对象

import cv2 as cv

cvNet = cv.dnn.readNetFromTensorflow('tensorflow/faster_rcnn_inception_resnet_v2_atrous_oid.pb', 'tensorflow/faster_rcnn_inception_resnet_v2_atrous_oid.pbtxt')

img = cv.imread('traffic_jam.jpg')
rows = img.shape[0]
cols = img.shape[1]
cvNet.setInput(cv.dnn.blobFromImage(img, size=(300, 300), swapRB=True, crop=False))
cvOut = cvNet.forward()

for detection in cvOut[0,0,:,:]:
    score = float(detection[2])
    if score > 0.1:
        left = detection[3] * cols
        top = detection[4] * rows
        right = detection[5] * cols
        bottom = detection[6] * rows
        cv.rectangle(img, (int(left), int(top)), (int(right), int(bottom)), (23, 230, 210), thickness=2)

cv.imshow('img', img)
cv.waitKey()

结果

输入图像

结果

通过tensorflow算法在

虽然仍有很多车无法检测，但与opencv的api相比，结果相差甚远

编辑：由ssd_mobilenet_v1_coco检测到的结果，更好的结果，我猜opencv dnn模块与我发布的模型不兼容

Edit2：ssd检测代码

import numpy as np
import tensorflow as tf
import cv2 as cv

# Read the graph.
#with tf.gfile.FastGFile('tensorflow/faster_rcnn_inception_resnet_v2_atrous_oid.pb', 'rb') as f:
with tf.gfile.FastGFile("tensorflow/ssd_mobilenet_v1_coco.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())

with tf.Session() as sess:
    # Restore session
    sess.graph.as_default()
    tf.import_graph_def(graph_def, name='')

    # Read and preprocess an image.
    img = cv.imread('traffic_jam.jpg')
    rows = img.shape[0]
    cols = img.shape[1]
    inp = cv.resize(img, (300, 300))
    inp = inp[:, :, [2, 1, 0]]  # BGR2RGB

    # Run the model
    out = sess.run([sess.graph.get_tensor_by_name('num_detections:0'),
                    sess.graph.get_tensor_by_name('detection_scores:0'),
                    sess.graph.get_tensor_by_name('detection_boxes:0'),
                    sess.graph.get_tensor_by_name('detection_classes:0')],
                    feed_dict={'image_tensor:0': inp.reshape(1, inp.shape[0], inp.shape[1], 3)})

    # Visualize detected bounding boxes.
    num_detections = int(out[0][0])
    for i in range(num_detections):
        classId = int(out[3][0][i])
        score = float(out[1][0][i])
        bbox = [float(v) for v in out[2][0][i]]
        if score > 0.1:
            x = bbox[1] * cols
            y = bbox[0] * rows
            right = bbox[3] * cols
            bottom = bbox[2] * rows
            cv.rectangle(img, (int(x), int(y)), (int(right), int(bottom)), (125, 255, 51), thickness=2)

cv.imshow('TensorFlow MobileNet-SSD', img)
cv.waitKey()

300x300输入大小不正确，因为

pipeline.config

具有以下预处理指令：

image_resizer {
  keep_aspect_ratio_resizer {
    min_dimension: 600
    max_dimension: 1024
  }
}

这意味着您必须保持图像比例。尝试处理原始帧（其具有800x600）：

使用置信阈值

0.3

和

pipeline.config

修改提及的输出

---

对于该网站上的示例网络，您是否获得了与他们相同的结果？@Miki我不知道在哪里可以找到示例的原始图像，但您可以看到ssd MobileNet检测到的图像的结果可能r-cnn后端在opencv中未正确/完全实现（另一个模型是ssd模型）。我不知道tensorflow检测api，有什么“版本”吗？也许你可以找到opencv中实现的版本和模型使用的版本？另一件事：我不认为使用r-cnn时图像的大小会调整到300x300，但我可能错了。r-cnn不是某种滑动窗口方法吗？ssd模型的tensorflow代码是否在您的测试图像上给出了类似的结果？@Mika最后一张图像是ssd模型检测到的结果（tensorflow代码），比rcnn好得多，后者应提供更好的结果。

image_resizer {
  keep_aspect_ratio_resizer {
    min_dimension: 600
    max_dimension: 1024
  }
}

cvNet.setInput(cv.dnn.blobFromImage(img, swapRB=True))

    height_stride: 16
    width_stride: 16