6個文件，看看在最新的OpenCV中，它們是如何發揮作用的。
在配置使用的過程中，需要注意使用較高版本的VS避免編譯器兼容問題；由於DNN程序的運行依賴於訓練成功的模型，因此需要預先下載准備；此外如果出現各種報錯，需要對症下葯。
此外，由於需要使用common.hpp文件，所以需要引入dnn目錄到include中
用到的數據集都放在：
鏈接：https://pan.baidu.com/s/1WPoXU3VodErPHZo6Yc21xA
提取碼：01no
如果你沒找到，那一定是我忘了。
=====================================================================================友善的分割線============================
注意，這個例子是有官方文檔的
它推薦的調用的模式為：
.
/example_dnn_classification
--model
=bvlc_googlenet.caffemodel
--config
=bvlc_googlenet.prototxt
--width
=
224
--height
=
224
--classes
=classification_classes_ILSVRC2012.txt
--input
=space_shuttle.jpg
--mean
=
"104 117 123"
從參數中，我們可以看出，這里的模型為caffemodel，模型的參數配置為prototxt,而
classification_classes_ILSVRC2012.txt應該是和訓練類型相關的，它長這樣：
按照文檔中說明，打開參數配置
在當前項目屬性頁->調試->命令參數下面：
--model
=e
:
/
template
/bvlc_googlenet.caffemodel
--config
=e
:
/
template
/bvlc_googlenet.prototxt
--width
=
224
--height
=
224
--classes
=e
:
/
template
/classification_classes_ILSVRC2012.txt
--input
=E
:
/
template
/dogvscat1K
/cat.
1.jpg
--mean
=
"104 117 123"
--rgb
識別的結果，肯定是沒有問題的。我沒看看tabby cat這個來自哪里？
就來自上面的分類文件。
肯定是有正確的也會有失敗的。我相信隨着模型的不斷完善，特別是對特定領域內數據的專門訓練，肯定在判斷的結果上能夠有提升的方法。
僅僅憑借幾張照片還看不出結果，必須依據科學的方法來做。
代碼中
mean subtraction
(-104, -117, -123) for each blue, green and red channels
這句可能和項目本身是有關系的，這里先不做追究。
附件列表