OpenCV DNN基于深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)對(duì)常見計(jì)算機(jī)視覺任務(wù)完成，這些支持模型的結(jié)構(gòu)與相關(guān)的論文筆者做了匯總。今天這里匯總一下支持的圖像分類模型。

2014年提出，OpenCV DNN支持Caffe與tensorflow兩個(gè)版本的模型加載。相關(guān)論文如下：

https://arxiv.org/pdf/1409.4842.pdf

兩個(gè)Block結(jié)構(gòu)單元

模型結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)模型的開山之作，相關(guān)的論文：

http://cvml.ist.ac.at/courses/DLWT_W17/material/AlexNet.pdf

模型結(jié)構(gòu)：

2014年提出，OpenCV支持Caffe模型。

https://arxiv.org/pdf/1409.1556.pdf

網(wǎng)絡(luò)結(jié)構(gòu)如下：

殘差網(wǎng)絡(luò)模型在2015年提出，OpenCV從3.3版本開始支持，相關(guān)的論文如下：

https://arxiv.org/pdf/1512.03385.pdf

與VGG模型對(duì)比，模型結(jié)構(gòu)：

該模型與MobileNet網(wǎng)絡(luò)都是支持移動(dòng)端/端側(cè)可部署的模型，2016提出，相關(guān)論文如下：

https://arxiv.org/pdf/1602.07360.pdf

模型結(jié)構(gòu)

支持V1與V2版本，包括ONNX格式文件，MobileNet模型最早在2017年提出，論文地址如下：

https://arxiv.org/pdf/1704.04861.pdf

基于深度可分離實(shí)現(xiàn)降低計(jì)算與參數(shù)的輕量級(jí)網(wǎng)絡(luò)模型，圖示如下：

該網(wǎng)絡(luò)是殘差網(wǎng)絡(luò)的升級(jí)與改進(jìn)版本，該模型結(jié)構(gòu)在2016年提出，論文地址如下：

https://arxiv.org/pdf/1608.06993.pdf

網(wǎng)絡(luò)中的殘差block結(jié)構(gòu)如下：

該網(wǎng)絡(luò)最早在2017年提出，如今也更新到多個(gè)版本，從最早的V1版本到如今的V3版本，OpenCV DNN模型支持v1版本的圖像分類，相關(guān)論文如下：

https://arxiv.org/pdf/1707.01083.pdf

模型結(jié)構(gòu)主要基于MobileNet的深度可分離與組合卷積進(jìn)一步創(chuàng)新，生成了通道混合操作，其中通道混合結(jié)構(gòu)與shuffle單元結(jié)構(gòu)如下：

此外基于這些網(wǎng)絡(luò)結(jié)構(gòu)的自定義網(wǎng)絡(luò)模型同樣可以被OpenCV DNN加載與解析完成圖像分類任務(wù)。