cv::dnn::SegmentationModel 类参考

此类表示用于分割模型的高级 API。 更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::SegmentationModel 的协作图

公共成员函数
	SegmentationModel (const Net &network)
	从深度学习网络创建模型。
	SegmentationModel (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="")
	从以支持格式之一表示的网络创建分割模型。model 和 config 参数的顺序无关紧要。
void	segment (InputArray frame, OutputArray mask)
	给定 input 帧，创建输入 blob，运行网络。
从 cv::dnn::Model 继承的公共成员函数
	Model ()
	Model (const Model &)=default
	Model (const Net &network)
	从深度学习网络创建模型。
	Model (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="")
	从以支持格式之一表示的深度学习网络创建模型。model 和 config 参数的顺序无关紧要。
	Model (Model &&)=default
Model &	enableWinograd (bool useWinograd)
Impl *	getImpl () const
Impl &	getImplRef () const
Net &	getNetwork_ ()
Net &	getNetwork_ () const
	operator Net & () const
Model &	operator= (const Model &)=default
Model &	operator= (Model &&)=default
void	predict (InputArray frame, OutputArrayOfArrays outs) const
	给定 input 帧，创建输入 blob，运行网络并返回输出 blobs。
Model &	setInputCrop (bool crop)
	为帧设置标志 crop。
Model &	setInputMean (const Scalar &mean)
	为帧设置平均值。
void	setInputParams (double scale=1.0, const Size &size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false)
	为帧设置预处理参数。
Model &	setInputScale (const Scalar &scale)
	为帧设置缩放因子值。
Model &	setInputSize (const Size &size)
	为帧设置输入大小。
Model &	setInputSize (int width, int height)
Model &	setInputSwapRB (bool swapRB)
	为帧设置标志 swapRB。
Model &	setOutputNames (const std::vector< String > &outNames)
	为帧设置输出名称。
Model &	setPreferableBackend (dnn::Backend backendId)
Model &	setPreferableTarget (dnn::Target targetId)

其他继承的成员
从 cv::dnn::Model 继承的受保护属性
Ptr< Impl >	impl

详细说明

此类表示用于分割模型的高级 API。

SegmentationModel 允许设置用于预处理输入图像的参数。 SegmentationModel 从包含训练权重和配置的文件创建网络，设置预处理输入，运行前向传递并返回每个像素的类预测。

构造函数和析构函数文档

SegmentationModel() [1/2]

cv::dnn::SegmentationModel::SegmentationModel	(	CV_WRAP_FILE_PATH const String &	model,
		CV_WRAP_FILE_PATH const String &	config = ""
	)

Python
	cv.dnn.SegmentationModel(	model[, config]	) ->	<dnn_SegmentationModel object>
	cv.dnn.SegmentationModel(	network	) ->	<dnn_SegmentationModel object>

从以支持格式之一表示的网络创建分割模型。model 和 config 参数的顺序无关紧要。

参数

[in]	model	二进制文件包含训练权重。
[in]	config	文本文件包含网络配置。

SegmentationModel() [2/2]

cv::dnn::SegmentationModel::SegmentationModel

(

const Net &

network

)

Python
	cv.dnn.SegmentationModel(	model[, config]	) ->	<dnn_SegmentationModel object>
	cv.dnn.SegmentationModel(	network	) ->	<dnn_SegmentationModel object>

从深度学习网络创建模型。

参数

[in]

network

Net 对象。

成员函数文档

segment()

void cv::dnn::SegmentationModel::segment	(	InputArray	frame,
		OutputArray	mask
	)

Python
	cv.dnn.SegmentationModel.segment(	frame[, mask]	) ->	mask

给定 input 帧，创建输入 blob，运行网络。

参数

[in]	frame	输入图像。
[out]	mask	为每个像素分配的类预测

---

此类的文档来自以下文件

• opencv2/dnn/dnn.hpp