【深度学习】【Opencv】【CPU】Python/C++调用onnx模型【基础】

在Python中使用OpenCV调用ONNX模型通常需要安装opencv-python和onnx库。以下是一个简单的Python示例，展示如何使用OpenCV调用ONNX模型进行图像分类。

首先，确保安装了必要的库：

pip install opencv-python onnx

然后，你可以使用以下Python代码：

import cv2
import numpy as np
 
# 加载ONNX模型
net = cv2.dnn.readNetFromONNX('model.onnx')
 
# 读取输入图像
image = cv2.imread('image.jpg')
 
# 对输入图像进行预处理，以符合模型的要求
blob = cv2.dnn.blobFromImage(image, size=(224, 224), mean=(0, 0, 0), scalefactor=1/255, swapRB=True)
net.setInput(blob)
 
# 运行模型进行推断
output = net.forward()
 
# 找到最大概率的索引
class_id = np.argmax(output)
 
# 打印类别
print(f"Class id: {class_id}")
 
# 如果需要，可以获取类别名称
# class_names = ['class1', 'class2', ...]
# print(f"Class name: {class_names[class_id]}")

请确保替换'model.onnx'为你的ONNX模型文件路径，'image.jpg'为你要分类的图像路径。此外，你可能需要根据模型的输入要求调整blobFromImage函数的参数，如图像尺寸（size）、均值（mean）和缩放因子（scalefactor）。

注意：上述代码假设模型的输出为一个向量，其中包含不同类别的概率。如果模型输出是其他类型，可能需要额外的处理。