サンプルを動作させる

このページでは，opencv のdnn samplesを動作させるために必要な前提知識を説明します．すでに example_dnn_object_detection 等の実行ファイルがビルド済みという前提でお話を進めますので，まだOpenCVをビルドしていない場合は OpenCVでDNN ここからスタートしてください．dnnを利用したexampleはまだそんな多くはないですが，以下に各サンプルに関する動作確認ページを用意していますので，このページを読み終わったら各自進めてみてください．

opencv-version/samples/dnn/models.yml に置かれているファイルになります．中身を見てもらえば想像つくと思いますが，各種dnnサンプルを実行するために必要なパラメータ設定や重みファイル名，ネットワーク構成ファイル名等が記載されています．これを利用すると，コマンドラインからexampleを実行する際，いちいち細かなパラメータを引数で設定する必要がないので，とても便利です．覚えて置きましょう．ファイルの中身は以下のようになっています．ちなみにyml(yaml）というファイルは，xmlのように構造データを記載するためによく使われるテキスト形式のデータファイルです．xmlよりも可読性が高いので結構色んな所で使われています．簡潔にいうとweb系じゃない人がこれまでよく使ってきたjsonだと思ってください（適当すぎる）．

models.yml

%YAML:1.0
 
################################################################################
# Object detection models. from opencv.4.1.1
################################################################################
 
# OpenCV's face detection network
opencv_fd:
  model: "opencv_face_detector.caffemodel"
  config: "opencv_face_detector.prototxt"
  mean: [104, 177, 123]
  scale: 1.0
  width: 300
  height: 300
  rgb: false
  sample: "object_detection"
 
# YOLO object detection family from Darknet (https://pjreddie.com/darknet/yolo/)
# Might be used for all YOLOv2, TinyYolov2 and YOLOv3
yolo:
  model: "yolov3.weights"
  config: "yolov3.cfg"
  mean: [0, 0, 0]
  scale: 0.00392
  width: 416
  height: 416
  rgb: true
  classes: "object_detection_classes_yolov3.txt"
  sample: "object_detection"
 
tiny-yolo-voc:
  model: "tiny-yolo-voc.weights"
  config: "tiny-yolo-voc.cfg"
  mean: [0, 0, 0]
  scale: 0.00392
  width: 416
  height: 416
  rgb: true
  classes: "object_detection_classes_pascal_voc.txt"
  sample: "object_detection"
 
# Caffe implementation of SSD model from https://github.com/chuanqi305/MobileNet-SSD
ssd_caffe:
  model: "MobileNetSSD_deploy.caffemodel"
  config: "MobileNetSSD_deploy.prototxt"
  mean: [127.5, 127.5, 127.5]
  scale: 0.007843
  width: 300
  height: 300
  rgb: false
  classes: "object_detection_classes_pascal_voc.txt"
  sample: "object_detection"
 
# TensorFlow implementation of SSD model from https://github.com/tensorflow/models/tree/master/research/object_detection
ssd_tf:
  model: "ssd_mobilenet_v1_coco_2017_11_17.pb"
  config: "ssd_mobilenet_v1_coco_2017_11_17.pbtxt"
  mean: [0, 0, 0]
  scale: 1.0
  width: 300
  height: 300
  rgb: true
  classes: "object_detection_classes_coco.txt"
  sample: "object_detection"
 
# TensorFlow implementation of Faster-RCNN model from https://github.com/tensorflow/models/tree/master/research/object_detection
faster_rcnn_tf:
  model: "faster_rcnn_inception_v2_coco_2018_01_28.pb"
  config: "faster_rcnn_inception_v2_coco_2018_01_28.pbtxt"
  mean: [0, 0, 0]
  scale: 1.0
  width: 800
  height: 600
  rgb: true
  sample: "object_detection"
 
################################################################################
# Image classification models.
################################################################################
 
# SqueezeNet v1.1 from https://github.com/DeepScale/SqueezeNet
squeezenet:
  model: "squeezenet_v1.1.caffemodel"
  config: "squeezenet_v1.1.prototxt"
  mean: [0, 0, 0]
  scale: 1.0
  width: 227
  height: 227
  rgb: false
  classes: "classification_classes_ILSVRC2012.txt"
  sample: "classification"
 
# Googlenet from https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
googlenet:
  model: "bvlc_googlenet.caffemodel"
  config: "bvlc_googlenet.prototxt"
  mean: [104, 117, 123]
  scale: 1.0
  width: 224
  height: 224
  rgb: false
  classes: "classification_classes_ILSVRC2012.txt"
  sample: "classification"
 
################################################################################
# Semantic segmentation models.
################################################################################
 
# ENet road scene segmentation network from https://github.com/e-lab/ENet-training
# Works fine for different input sizes.
enet:
  model: "Enet-model-best.net"
  mean: [0, 0, 0]
  scale: 0.00392
  width: 512
  height: 256
  rgb: true
  classes: "enet-classes.txt"
  sample: "segmentation"
 
fcn8s:
  model: "fcn8s-heavy-pascal.caffemodel"
  config: "fcn8s-heavy-pascal.prototxt"
  mean: [0, 0, 0]
  scale: 1.0
  width: 500
  height: 500
  rgb: false
  sample: "segmentation"

というわけで，このymlファイルを利用すると簡単に動作させるために必要なパラメータを設定できます．では，example_dnn_classification を実際にこのymlを利用して動作させてみます．今回はネットワークが軽量な SqueezeNetを利用します．