前言

mnn正常的输入为 (1,3,h,w)，由于我的网络输入需要把多帧叠加到一起，例如叠加6帧到channel上，则输入应为(1,3*6,h,w)。mnn提供的数据预处理无法处理这种数据。

解决方法

话不多说，直接上代码

     std::queue<cv::Mat> cloneimgs(imgs);  // 6帧数据auto t_start_pre1 = std::chrono::high_resolution_clock::now();MNN::Tensor givenTensor(inTensor_, MNN::Tensor::CAFFE);  // 设定我们自己的输入张量auto inputData = givenTensor.host<float>(); // 指针for (int i=0;i<input_frame_;i++){cv::Mat preImage = cloneimgs.front();cloneimgs.pop();cv::resize(preImage,preImage,cv::Size(input_w_,input_h_));preImage.convertTo(preImage, CV_32FC3, 1 / 255.0);  // 数据预处理 img = img*scale + shiftstd::vector<cv::Mat> bgrChannels(3);cv::split(preImage, bgrChannels); // 分通道for (int j = 0; j < bgrChannels.size(); j++){   //HWC->CHW，注意opencv读取图片顺序为bgr，我网络输入也是bgr，所以通道顺序没变// 如果需要rgb，改变j，从2到0即可std::vector<float> data = std::vector<float>(bgrChannels[j].reshape(1, preImage.cols * preImage.rows));memcpy(inputData + i*input_w_*input_h_*3+j*input_w_*input_h_,&data[0],sizeof(float)*data.size());    }}inTensor_->copyFromHostTensor(&givenTensor); // 把数据给到inTensor_auto t_end_pre1 = std::chrono::high_resolution_clock::now();float total_pre1 = std::chrono::duration<float, std::milli>(t_end_pre1 - t_start_pre1).count();std::cout << "process data: " << total_pre1 << " ms." << std::endl;

MNN C++输入图片多通道相关推荐

ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别
ML之SSIM:基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别目录输出结果代码实现相关文章 ML之相似度计算:图像数据.字符串数据等计算相似度常用的十种方法简介.代码实 ...
ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
ML之Cosin:基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别目录输出结果代码实现相关文章 ML之相似度计算:图像数据.字符串数据等计算相似度常用的十种 ...
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别
ML之Hash_HamMingDistance:基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别目录输出结果代码实现相关文章 ML之相似度计算: ...
ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法进行判别
ML之Hash_EditDistance:基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法进行判别目录输出结果代码实现相关文章 ML之相似度计算:图像数 ...
cifar10数据集测试有多少张图_pytorch VGG11识别cifar10数据集(训练+预测单张输入图片操作)...
首先这是VGG的结构图,VGG11则是红色框里的结构,共分五个block,如红框中的VGG11第一个block就是一个conv3-64卷积层: 一,写VGG代码时,首先定义一个 vgg_block(n ...
神经网络图用什么软件做,神经网络输入图片大小
1.当输入输出均为图片时用什么样的神经网络比较合适输入输出全为图片一般采用全卷积神经网络,不要包含全连接层. 谷歌人工智能写作项目:小发猫 2.卷积神经网络为什么适合图像处理? 神经网络的本质就在于 ...
为什么有全连接层的卷积网络输入图片尺寸需要固定的
一句话: 全连接层的一个神经元对应一个输入. 换句话说, 全连接层要求固定的输入维度. 数学推导: 大家都知道, z=wx+b,全连接神经网络结构一旦固定,需要学习的参数w是固定的,例如输入图像是 ...
YOLOv3 代码详解(2) —— 数据处理 dataset.py解析：输入图片增强、制作模型的每层输出的标签
前言: yolo系列的论文阅读论文阅读 || 深度学习之目标检测重磅出击YOLOv3 论文阅读 || 深度学习之目标检测yolov2 论文阅读 || 深度学习之目标检测yolov1 该篇讲解的 ...
faster rcn固定输入图片尺寸(一)
一.问题的产生随着对于faster rcnn研究的深入,我们或许想要改变网络的整体结构,如将全连接层变为全卷积层来实验更好的分类方式,又或者会想要将多层的特征图进行融合或反卷积操作.但是如果只是修改 ...

MNN C++输入图片多通道

前言

解决方法

MNN C++输入图片多通道相关推荐

最新文章

热门文章