处理图片路径

data/1.OpenCV初阶/7.OpenCV中的深度学习/1.图像分类/classification.md

@@ -2,7 +2,7 @@
 
 图像分类是基于深度学习的计算机视觉任务中最简单、也是最基础的一类，它其中用到的CNN特征提取技术也是目标检测、目标分割等视觉任务的基础。
 
-![](./result.png)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/7.OpenCV中的深度学习/1.图像分类/result.png)
 
 具体到图像分类任务而言，其具体流程如下：
 1. 输入指定大小RGB图像，1/3通道，宽高一般相等
@@ -10,7 +10,7 @@
 3. 利用全连接网络、或其他结构对高维特征进行分类，输出各目标分类的概率值（概率和为1）
 4. 选择概率值最高的作为图像分类结果
 
-![](./classification.png)
+![](https://gitcode.net/csdn/skill_tree_opencv/-/raw/master/data/1.OpenCV初阶/7.OpenCV中的深度学习/1.图像分类/classification.png)
 
 `opencv.dnn`模块可以直接加载深度学习模型，并进行推理输出运行结果。下面是opencv.dnn模块加载googlenet caffe模型进行图片分类的代码，请你完善其中TO-DO部分的代码。
 

main.py

@@ -27,5 +27,5 @@ if __name__ == '__main__':
     # doc = DocWalker('doc')
     # doc.walk()
 
-    # img = ImgWalker('data')
-    # img.walk()
+    img = ImgWalker('data')
+    img.walk()