OpenCV-Python调用训练好的深度学习模型进行常见物体识别

使用训练好的模型进行物体识别，对于人、车的识别成功率极高，亲测好用！

# USAGE
# python deep_learning_object_detection.py --image images/example_01.jpg \
#	--prototxt MobileNetSSD_deploy.prototxt.txt --model MobileNetSSD_deploy.caffemodel

# import the necessary packages
import numpy as np
import argparse
import cv2

# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser（）
ap.add_argument（“-i“ “--image“ required=True
	help=“path to input image“）
ap.add_argument（“-p“ “--prototxt“ required=True
	help=“path to Caffe ‘deploy‘ prototxt file“）
ap.add_argument（“-m“ “--model“ required=True
	help=“path to Caffe pre-trained model“）
ap.add_argument（“-c“ “--confidence“ type=float default=0.2
	help=“minimum probability to filter weak detections“）
args = vars（ap.parse_args（））

# initialize the list of class labels MobileNet SSD was

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-24 19:14  detect\
     文件        2865  2017-09-24 20:31  detect\deep_learning_object_detection.py
     文件    23147564  2017-08-28 01:28  detect\MobileNetSSD_deploy.caffemodel
     文件       29353  2017-08-28 01:28  detect\MobileNetSSD_deploy.prototxt.txt