![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141220258-1097167276.png)
6个文件,看看在最新的OpenCV中,它们是如何发挥作用的。
在配置使用的过程中,需要注意使用较高版本的VS避免编译器兼容问题;由于DNN程序的运行依赖于训练成功的模型,因此需要预先下载准备;此外如果出现各种报错,需要对症下药。
此外,由于需要使用common.hpp文件,所以需要引入dnn目录到include中
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141220679-1802542391.png)
=====================================================================================友善的分割线============================
为了程序的成功运行,需要先前往
"Download caffemodel and prototxt files:
"
" http://eecs.berkeley.edu/~rich.zhang/projects/2016_colorization/files/demo_v2/colorization_release_v2.caffemodel
"
" https://raw.githubusercontent.com/richzhang/colorization/master/colorization/models/colorization_deploy_v2.prototxt
";
下载相关模型。
导入.cpp程序,直接运行的话,会报这些错误:
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141220916-1217261317.png)
那么这个错误主要是说samples不存在。虽然我也不知道这个以 samples开头的命名空间是用来做什么的,但是它的目的就是获得model的几个地址,那么可以直接写死。
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141221213-161583305.png)
修改成这样,特别注意输入的灰色图像要转换成3通道。
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141221735-1764106023.jpg)
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141222462-1883824221.jpg)
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141223272-229103508.jpg)
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141224275-260665638.jpg)
总的来说,应该是由于训练的关系:在自然场景下的效果要比室内的好;自然的比人工的好。
这个非常有趣,下一步可以在特定领域下的训练;不同模型的替换上面下功夫。
疑问:算法是怎样推断出猫的颜色的了?
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141225257-401388789.jpg)
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141225646-1726350323.jpg)
嘿嘿,瞎搞一下
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141226158-1028172901.jpg)
幽灵猫,对了,给动漫配色如何?
![](https://img2018.cnblogs.com/blog/508489/201904/508489-20190427141226717-1711155194.jpg)
差强人意呀,但是如果专门使用动漫的数据集才进行训练,会不会好一些?