cv::dnn::SliceLayer 类参考

#include <opencv2/dnn/all_layers.hpp>

cv::dnn::SliceLayer 的协作图

静态公共成员函数
static Ptr< SliceLayer >	create (const LayerParams &params)
从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

公共属性
int	axis
int	num_split
std::vector< std::vector< Range > >	sliceRanges
	切片范围向量。
std::vector< std::vector< int > >	sliceSteps
从 cv::dnn::Layer 继承的公共属性
std::vector< Mat >	blobs
	学习的参数列表必须存储在这里，以便使用 Net::getParam() 读取它们。
String	name
	层实例的名称，可用于日志记录或其他内部目的。
int	preferableTarget
	层前向传播的首选目标
String	type
	层工厂用于创建层的类型名称。

其他继承的成员
从 cv::dnn::Layer 继承的公共成员函数
	Layer ()
	Layer (const LayerParams &params)
	仅初始化 name、type 和 blobs 字段。
virtual	~Layer ()
virtual void	applyHalideScheduler (Ptr< BackendNode > &node, const std::vector< Mat * > &inputs, const std::vector< Mat > &outputs, int targetId) const
	基于层超参数的自动 Halide 调度。
virtual void	finalize (const std::vector< Mat * > &input, std::vector< Mat > &output)
	根据输入、输出和 blob 计算并设置内部参数。
std::vector< Mat >	finalize (const std::vector< Mat > &inputs)
	这是一个重载的成员函数，为了方便起见提供。它与上面的函数的区别仅在于它接受的参数。
void	finalize (const std::vector< Mat > &inputs, std::vector< Mat > &outputs)
	这是一个重载的成员函数，为了方便起见提供。它与上面的函数的区别仅在于它接受的参数。
virtual void	finalize (InputArrayOfArrays inputs, OutputArrayOfArrays outputs)
	根据输入、输出和 blob 计算并设置内部参数。
virtual void	forward (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	给定 input blob，计算输出 blobs。
virtual void	forward (std::vector< Mat * > &input, std::vector< Mat > &output, std::vector< Mat > &internals)
	给定 input blob，计算输出 blobs。
void	forward_fallback (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	给定 input blob，计算输出 blobs。
virtual int64	getFLOPS (const std::vector< MatShape > &inputs, const std::vector< MatShape > &outputs) const
virtual bool	getMemoryShapes (const std::vector< MatShape > &inputs, const int requiredOutputs, std::vector< MatShape > &outputs, std::vector< MatShape > &internals) const
virtual void	getScaleShift (Mat &scale, Mat &shift) const
	返回具有逐通道乘法和加法的层的参数。
virtual void	getScaleZeropoint (float &scale, int &zeropoint) const
	返回层的比例和零点。
virtual Ptr< BackendNode >	initCann (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs, const std::vector< Ptr< BackendNode > > &nodes)
	返回 CANN 后端节点。
virtual Ptr< BackendNode >	initCUDA (void *context, const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs)
	返回 CUDA 后端节点。
virtual Ptr< BackendNode >	initHalide (const std::vector< Ptr< BackendWrapper > > &inputs)
	返回 Halide 后端节点。
virtual Ptr< BackendNode >	initNgraph (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)
virtual Ptr< BackendNode >	initTimVX (void *timVxInfo, const std::vector< Ptr< BackendWrapper > > &inputsWrapper, const std::vector< Ptr< BackendWrapper > > &outputsWrapper, bool isLast)
	返回 TimVX 后端节点。
virtual Ptr< BackendNode >	initVkCom (const std::vector< Ptr< BackendWrapper > > &inputs, std::vector< Ptr< BackendWrapper > > &outputs)
virtual Ptr< BackendNode >	initWebnn (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)
virtual int	inputNameToIndex (String inputName)
	返回输入 blob 在输入数组中的索引。
virtual int	outputNameToIndex (const String &outputName)
	返回输出 blob 在输出数组中的索引。
void	run (const std::vector< Mat > &inputs, std::vector< Mat > &outputs, std::vector< Mat > &internals)
	分配层并计算输出。
virtual bool	setActivation (const Ptr< ActivationLayer >
	尝试将后续的激活层附加到该层，即在部分情况下进行层融合。
void	setParamsFrom (const LayerParams &params)
	仅初始化 name、type 和 blobs 字段。
virtual bool	supportBackend (int backendId)
	询问层是否支持特定后端进行计算。
virtual Ptr< BackendNode >	tryAttach (const Ptr< BackendNode > &node)
	实现层融合。
virtual bool	tryFuse (Ptr< Layer > &top)
	尝试将当前层与下一层融合。
virtual bool	tryQuantize (const std::vector< std::vector< float > > &scales, const std::vector< std::vector< int > > &zeropoints, LayerParams &params)
	尝试量化给定层并计算定点实现所需的量化参数。
virtual void	unsetAttached ()
	“分离”所有附加到特定层的层。
virtual bool	updateMemoryShapes (const std::vector< MatShape > &inputs)
从 cv::Algorithm 继承的公共成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

切片层有几种模式

1. Caffe 模式

   参数

   [输入]	axis	分割操作的轴
   [输入]	slice_point	分割点的数组

   输出 blob 的数量等于分割点的数量加一。第一个 blob 是从 0 到 slice_point[0] - 1 通过 axis 对输入的切片，第二个输出 blob 是从 slice_point[0] 到 slice_point[1] - 1 通过 axis 对输入的切片，最后一个输出 blob 是从 slice_point[-1] 到 axis 大小末端的输入切片。
2. TensorFlow 模式

   参数

   begin	开始索引的向量
   size	大小的向量

   更方便的类似 numpy 的切片。唯一一个输出 blob 是切片 input[begin[0]:begin[0]+size[0], begin[1]:begin[1]+size[1], ...]
3. Torch 模式

   参数

   axis

   分割操作的轴

   通过 axis 将输入 blob 分割成相等的部分。

成员函数文档

create()

static Ptr< SliceLayer > cv::dnn::SliceLayer::create ( const LayerParams &  params )

static

成员数据文档

axis

int cv::dnn::SliceLayer::axis

num_split

int cv::dnn::SliceLayer::num_split

sliceRanges

std::vector<std::vector<Range> > cv::dnn::SliceLayer::sliceRanges

切片范围向量。

第一维等于输出 blob 的数量。内部向量对前几个输入维数具有切片范围。

sliceSteps

std::vector<std::vector<int> > cv::dnn::SliceLayer::sliceSteps

---

该类的文档从以下文件生成

• opencv2/dnn/all_layers.hpp