命名空间
命名空间	accessor

命名空间	细节

类
结构体	_Range

类	AbsLayer

类	AccumLayer

类	AcoshLayer

类	AcosLayer

类	ActivationLayer

类	ActivationLayerInt8

类	ArgLayer
	ArgMax/ArgMin 层。更多...

类	AsinhLayer

类	AsinLayer

类	AtanhLayer

类	AtanLayer

类	AttentionLayer

类	BackendNode
	该类的导出封装了某些后端的功能。更多...

类	BackendWrapper
	该类的导出为不同后端和目标封装了 cv::Mat。更多...

类	BaseConvolutionLayer

类	BatchNormLayer

类	BatchNormLayerInt8

类	BlankLayer

类	BNLLLayer

类	CeilLayer

类	CeluLayer

类	ChannelsPReLULayer

类	ClassificationModel
	该类表示分类模型的高级 API。更多...

类	CompareLayer

类	ConcatLayer

类	ConstLayer

类	ConvolutionLayer

类	ConvolutionLayerInt8

类	CorrelationLayer

类	CoshLayer

类	CosLayer

类	CropAndResizeLayer

类	CropLayer

类	CumSumLayer

类	DataAugmentationLayer

类	DeconvolutionLayer

类	DequantizeLayer

类	DetectionModel
	该类表示目标检测网络的高级 API。更多...

类	DetectionOutputLayer
	检测输出层。更多...

类	Dict
	该类实现了名称-值字典，值是 DictValue 的实例。更多...

结构体	DictValue
	该结构体存储以下类型之一的标量值（或数组）：double，cv::String 或 int64。更多...

类	EinsumLayer
	该函数根据Einstein 累加约定进行数组求和。函数允许使用子脚本来简洁地表示各种数学运算。更多...

类	EltwiseLayer
	在输入上进行逐元素操作。更多...

类	EltwiseLayerInt8

类	ELULayer

类	ErfLayer

类	ExpandLayer

类	ExpLayer

类	FlattenLayer

类	FloorLayer

类	FlowWarpLayer

类	GatherElementsLayer
	GatherElements 层 GatherElements 接受两个相同维数 r >= 1 的输入数据及索引，以及可选的属性 axis，其工作方式如下：若 axis = 0 且 r = 3，则 output[i][j][k] = data[index[i][j][k]][j][k]；若 axis = 1 且 r = 3，则 output[i][j][k] = data[i][index[i][j][k]][k]；若 axis = 2 且 r = 3，则 output[i][j][k] = data[i][j][index[i][j][k]]。更多...

类	GatherLayer
	Gather 层。更多...

类	GeluApproximationLayer

类	GeluLayer

类	GemmLayer

类	GroupNormLayer

类	GRULayer
	GRU 递归单层。更多...

类	HardSigmoidLayer

类	HardSwishLayer

结构体	Image2BlobParams
	处理图像参数转换为blob。更多...

类	InnerProductLayer

类	InnerProductLayerInt8

类	InstanceNormLayer

类	InterpLayer
	来自https://github.com/cdmh/deeplab-public-ver2的双线性重采样层。更多...

类	KeypointsModel
	此类代表高级API，用于关键点模型。更多...

类	Layer
	此接口类允许构建新的层，这些层是网络的基本构建模块。更多...

类	LayerFactory
	层工厂允许创建已注册层的实例。更多...

类	LayerNormLayer

类	LayerParams
	此类提供初始化层所需的所有数据。更多...

类	LogLayer

类	LRNLayer

类	LSTMLayer
	LSTM循环层。更多...

类	MatMulLayer

类	MaxUnpoolLayer

类	MishLayer

类	Model
	此类提供了用于神经网络的A级API。更多...

类	MVNLayer

类	NaryEltwiseLayer

类	Net
	此类允许创建和操作全面的合成神经网络。更多...

类	NormalizeBBoxLayer
	\( L_p \) - 归一化层。更多...

类	NotLayer

类	PaddingLayer
	为特定轴添加额外值。更多...

类	PermuteLayer

类	PoolingLayer

类	PoolingLayerInt8

类	PowerLayer

类	PriorBoxLayer

类	ProposalLayer

类	QuantizeLayer

类	ReciprocalLayer

类	ReduceLayer

类	RegionLayer

类	ReLU6Layer

类	ReLULayer

类	ReorgLayer

类	RequantizeLayer

类	ReshapeLayer

类	ResizeLayer
	通过最近邻或多线性策略调整输入4维blob的大小。更多...

类	RNNLayer
	经典循环层。更多...

类	RoundLayer

类	ScaleLayer

类	ScaleLayerInt8

类	ScatterLayer

类	ScatterNDLayer

类	SegmentationModel
	此类代表高级API，用于分割模型。更多...

类	SeluLayer

类	ShiftLayer

类	ShiftLayerInt8

类	ShrinkLayer

类	ShuffleChannelLayer

类	SigmoidLayer

类	SignLayer

类	SinhLayer

类	SinLayer

类	SliceLayer

类	SoftmaxLayer

类	SoftmaxLayerInt8

类	SoftplusLayer

类	SoftsignLayer

类	SplitLayer

类	SqrtLayer

类	SwishLayer

类	TanHLayer

类	TanLayer

类	TextDetectionModel
	文本检测网络的基类。更多...

类	TextDetectionModel_DB
	此类代表与DB模型兼容的文本检测深度学习网络的高级API。更多...

类	TextDetectionModel_EAST
	此类代表与EAST模型兼容的文本检测深度学习网络的高级API。更多...

类	TextRecognitionModel
	此类代表文本识别网络的高级API。更多...

类	ThresholdedReluLayer

类	TileLayer

类型定义
typedef std::map< std::string, std::vector< LayerFactory::Constructor > >	LayerFactory_Impl

typedef std::vector< int >	MatShape

枚举
enum	Backend { DNN_BACKEND_DEFAULT = 0 , DNN_BACKEND_HALIDE , DNN_BACKEND_INFERENCE_ENGINE , DNN_BACKEND_OPENCV , DNN_BACKEND_VKCOM , DNN_BACKEND_CUDA , DNN_BACKEND_WEBNN , DNN_BACKEND_TIMVX , DNN_BACKEND_CANN }
	支持层计算后端的枚举类型。更多信息...

enum	DataLayout { DNN_LAYOUT_UNKNOWN = 0 , DNN_LAYOUT_ND = 1 , DNN_LAYOUT_NCHW = 2 , DNN_LAYOUT_NCDHW = 3 , DNN_LAYOUT_NHWC = 4 , DNN_LAYOUT_NDHWC = 5 , DNN_LAYOUT_PLANAR = 6 }
	模型推理数据布局的枚举类型。更多信息...

enum	ImagePaddingMode { DNN_PMODE_NULL = 0 , DNN_PMODE_CROP_CENTER = 1 , DNN_PMODE_LETTERBOX = 2 }
	图像处理模式的枚举类型，用于满足dnn模型的预处理需求。例如，在Yolo系列模型中经常使用的“letter box”。更多信息...

enum class	SoftNMSMethod { SoftNMSMethod::SOFTNMS_LINEAR = 1 , SoftNMSMethod::SOFTNMS_GAUSSIAN = 2 }
	Soft NMS方法的枚举类型。更多信息...

enum	Target { DNN_TARGET_CPU = 0 , DNN_TARGET_OPENCL , DNN_TARGET_OPENCL_FP16 , DNN_TARGET_MYRIAD , DNN_TARGET_VULKAN , DNN_TARGET_FPGA , DNN_TARGET_CUDA , DNN_TARGET_CUDA_FP16 , DNN_TARGET_HDDL , DNN_TARGET_NPU , DNN_TARGET_CPU_FP16 }
	计算目标设备的枚举类型。更多信息...

函数
Mat	blobFromImage (InputArray image, double scalefactor=1.0, const Size &size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F)
	从图像创建四维blob。可选择调整图像大小和从中心裁剪，减去mean值，按scalefactor缩放值，交换蓝红通道。

void	blobFromImage (InputArray image, OutputArray blob, double scalefactor=1.0, const Size &size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F)
	从图像创建四维blob。

Mat	blobFromImages (InputArrayOfArrays images, double scalefactor=1.0, Size size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F)
	从一系列图像中创建四维blob。可选择调整图像大小和从中心裁剪，减去mean值，按scalefactor缩放值，交换蓝红通道。

void	blobFromImages (InputArrayOfArrays images, OutputArray blob, double scalefactor=1.0, Size size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F)
	从一系列图像中创建四维blob。

Mat	blobFromImagesWithParams (InputArrayOfArrays images, const Image2BlobParams &param=Image2BlobParams())
	从一系列图像中按照给定参数创建四维blob。

void	blobFromImagesWithParams (InputArrayOfArrays images, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())

Mat	blobFromImageWithParams (InputArray image, const Image2BlobParams &param=Image2BlobParams())
	从具有给定参数的图像中创建四维blob。

void	blobFromImageWithParams (InputArray image, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())

静态 MatShape	concat (const MatShape &a, const MatShape &b)

void	enableModelDiagnostics (bool isDiagnosticsMode)
	启用CV DNN API中加载DNN模型的详细日志。

std::vector< std::pair< Backend, Target > >	getAvailableBackends ()

std::vector< Target >	getAvailableTargets (dnn::Backend be)

cv::String	getInferenceEngineBackendType ()
	返回Inference Engine内部后端API。

cv::String	getInferenceEngineCPUType ()
	返回Inference Engine CPU类型。

cv::String	getInferenceEngineVPUType ()
	返回Inference Engine VPU类型。

LayerFactory_Impl &	getLayerFactoryImpl ()

Mutex &	getLayerFactoryMutex ()
	获取守护LayerFactory_Impl的互斥量，请参阅getLayerFactoryImpl()函数。

静态 Mat	getPlane (const Mat &m, int n, int cn)

void	imagesFromBlob (const cv::Mat &blob_, OutputArrayOfArrays images_)
	解析一个4D数据块，将其包含的图像以2D数组的形式输出，通过一个更简单的数据结构（std::vector）。

静态布尔型	isAllOnes (const MatShape &inputShape, int startPos, int endPos)

void	NMSBoxes (const std::vector< Rect > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
	对给定的框和对应的得分执行非极大值抑制。

void	NMSBoxes (const std::vector< Rect2d > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)

void	NMSBoxes (const std::vector< RotatedRect > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)

void	NMSBoxesBatched (const std::vector< Rect > &bboxes, const std::vector< float > &scores, const std::vector< int > &class_ids, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
	对不同类别的给定框和对应的得分执行批量非极大值抑制。

void	NMSBoxesBatched (const std::vector< Rect2d > &bboxes, const std::vector< float > &scores, const std::vector< int > &class_ids, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)

静态整型	normalize_axis (int axis, const MatShape &shape)

静态整型	normalize_axis (int axis, int dims)
	将轴从 `[-dims; dims)`（类似于Python的切片表示）转换为 `[0; dims)` 范围。

静态 Range	normalize_axis_range (const Range &r, int axisSize)

模板<typename _Tp >
静态 std::ostream &	operator<< (std::ostream &out, const std::vector< _Tp > &shape)

模板<typename _Tp >
静态 void	print (const std::vector< _Tp > &shape, const String &name="")

Net	readNet (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >())
	读取以支持的格式表示的深度学习网络。

Net	readNet (CV_WRAPPER_FILE_PATH const String & model, CV_WRAPPER_FILE_PATH const String & config="", const String & framework="")
	读取以支持的格式表示的深度学习网络。

Net	readNetFromCaffe (const char bufferProto, size_t lenProto, const char bufferModel=NULL, size_t lenModel=0)
	读取存储在内存中的以 Caffe 模型格式存储的网络模型。

Net	readNetFromCaffe (const std::vector< uchar > & bufferProto, const std::vector< uchar > & bufferModel=std::vector< uchar >())
	读取存储在内存中的以 Caffe 模型格式存储的网络模型。

Net	readNetFromCaffe (CV_WRAPPER_FILE_PATH const String & prototxt, CV_WRAPPER_FILE_PATH const String & caffeModel=String())
	读取由 Caffe 框架格式存储的网络模型。

Net	readNetFromDarknet (const char bufferCfg, size_t lenCfg, const char bufferModel=NULL, size_t lenModel=0)
	读取存储在 Darknet 模型文件中的网络模型。

Net	readNetFromDarknet (const std::vector< uchar & gt; & bufferCfg, const std::vector< uchar & gt; & bufferModel=std::vector< uchar & gt;())
	读取存储在 Darknet 模型文件中的网络模型。

Net	readNetFromDarknet (CV_WRAPPER_FILE_PATH const String & cfgFile, CV_WRAPPER_FILE_PATH const String & darknetModel=String())
	读取存储在 Darknet 模型文件中的网络模型。

Net	readNetFromModelOptimizer (const std::vector< uchar & gt; & bufferModelConfig, const std::vector< uchar & gt; & bufferWeights)
	从英特尔 Model Optimizer 中间表示中加载网络。

Net	readNetFromModelOptimizer (const uchar bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar bufferWeightsPtr, size_t bufferWeightsSize)
	从英特尔 Model Optimizer 中间表示中加载网络。

Net	readNetFromModelOptimizer (CV_WRAPPER_FILE_PATH const String & xml, CV_WRAPPER_FILE_PATH const String & bin="")
	从英特尔 Model Optimizer 中间表示中加载网络。

Net	readNetFromONNX (const char *buffer, size_t sizeBuffer)
	从 ONNX 在内存缓冲区中读取网络模型。

Net	readNetFromONNX (const std::vector< uchar & gt; & gt; buffer)
	从 ONNX 在内存缓冲区中读取网络模型。

Net	从ONNX读取网络 (CV_WRAP_FILE_PATH const String &onnxFile)
	读取ONNX网络模型。

Net	从Tensorflow读取网络 (const char bufferModel, size_t lenModel, const char bufferConfig=NULL, size_t lenConfig=0)
	读取存储在TensorFlow框架格式的网络模型。

Net	从Tensorflow读取网络 (const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >())
	读取存储在TensorFlow框架格式的网络模型。

Net	从Tensorflow读取网络 (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config=String())
	读取存储在TensorFlow框架格式的网络模型。

Net	从TFLite读取网络 (const char *bufferModel, size_t lenModel)
	读取存储在TFLite框架格式的网络模型。

Net	从TFLite读取网络 (const std::vector< uchar > &bufferModel)
	读取存储在TFLite框架格式的网络模型。

Net	从TFLite读取网络 (CV_WRAP_FILE_PATH const String &model)
	读取存储在TFLite框架格式的网络模型。

Net	从Torch读取网络 (CV_WRAP_FILE_PATH const String &model, bool isBinary=true, bool evaluate=true)
	读取存储在Torch7框架格式的网络模型。

Mat	从ONNX读取张量 (CV_WRAP_FILE_PATH const
	从.pb文件创建blob。

Mat	读取TorchBlob (const
	加载以Torch7框架torch.Tensor对象序列化的blob。

void	释放HDDL插件 ()
	释放HDDL插件。

void	重置Myriad设备 ()
	释放由OpenCV绑定的Myriad设备。

cv::String	设置推理引擎后端类型 (const
	指定推理引擎内部的备份API。

静态 MatShape	形状 (const int *dims, const int n)

静态 MatShape	形状 (const Mat&mat)

静态 MatShape	形状 (const MatSize &sz)

静态 MatShape	形状 (const UMat&mat)

静态 MatShape	形状 (int a0, int a1=-1, int a2=-1, int a3=-1)

void	shrinkCaffeModel(CV_WRAP_FILE_PATH const String &src, CV_WRAP_FILE_PATH const String &dst, const std::vector< String > &layersTypes=std::vector< String >()
	将Caffe网络的全部权重转换为半精度浮点数。

void	skipModelImport (bool skip)
	在readNet()函数后的诊断运行后跳过模型导入。

静态 Mat	slice (const Mat &m, const _Range &r0)

静态 Mat	slice (const Mat &m, const _Range &r0, const _Range &r1)

静态 Mat	slice (const Mat &m, const _Range &r0, const _Range &r1, const _Range &r2)

静态 Mat	slice (const Mat &m, const _Range &r0, const _Range &r1, const _Range &r2, const _Range &r3)

void	softNMSBoxes (const std::vector< Rect > &bboxes, const std::vector< float > &scores, std::vector< float > &updated_scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, size_t top_k=0, const float sigma=0.5, SoftNMSMethod method=SoftNMSMethod::SOFTNMS_GAUSSIAN)
	给定框和相应的分数执行软非最大抑制。参考：https://arxiv.org/abs/1704.04503。

模板<typename _Tp >
static std::string	toString (const std::vector< _Tp > &shape, const String &name="")

静态整型	total (const Mat &mat, int start=-1, int end=-1)

静态整型	total (const MatShape &shape, int start=-1, int end=-1)

void	writeTextGraph (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &output)
	为存储在协议缓冲格式中的二进制网络创建文本表示。

函数文档

◆concat()

static MatShape cv::dnn::concat	(	const MatShape &	a,
		const MatShape &	b
	)

行内静态

◆ getInferenceEngineBackendType()

cv::String cv::dnn::getInferenceEngineBackendType ( )

返回Inference Engine内部后端API。

请查看宏定义 CV_DNN_BACKEND_INFERENCE_ENGINE_* 中的值。

OPENCV_DNN_BACKEND_INFERENCE_ENGINE_TYPE 运行时参数（环境变量）从 4.6.0 版本开始忽略。

已弃用

◆ getInferenceEngineCPUType()

cv::String cv::dnn::getInferenceEngineCPUType ( )

返回Inference Engine CPU类型。

指定 OpenVINO 插件：CPU 或 ARM。

◆ getInferenceEngineVPUType()

cv::String cv::dnn::getInferenceEngineVPUType ( )

返回Inference Engine VPU类型。

请查看宏定义 CV_DNN_INFERENCE_ENGINE_VPU_TYPE_* 中的值。

◆ getPlane()

static Mat cv::dnn::getPlane	(	const Mat &	m,
		int	n,
		int	cn
	)

行内静态

此函数的调用图如下：

◆ isAllOnes()

static bool cv::dnn::isAllOnes	(	const MatShape &	inputShape,
		int	startPos,
		int	endPos
	)

行内静态

◆ normalize_axis() [1/2]

static int cv::dnn::normalize_axis	(	int	axis,
		const MatShape &	shape
	)

行内静态

此函数的调用图如下：

◆ normalize_axis() [2/2]

static int cv::dnn::normalize_axis	(	int	axis,
		int	dims
	)

行内静态

将轴从 [-dims; dims)（类似于Python的切片表示）转换为 [0; dims) 范围。

◆ normalize_axis_range()

static Range cv::dnn::normalize_axis_range	(	const Range &	r,
		int	axisSize
	)

行内静态

此函数的调用图如下：

◆ operator<<()

模板<typename _Tp >

static std::ostream & cv::dnn::operator<<	(	std::ostream &	out,
		const std::vector< _Tp > &	shape
	)

行内静态

此函数的调用图如下：

◆ print()

模板<typename _Tp >

static void cv::dnn::print	(	const std::vector< _Tp > &	shape,
		const String &	name = `""`
	)

行内静态

此函数的调用图如下：

◆ releaseHDDLPlugin()

void cv::dnn::releaseHDDLPlugin ( )

释放HDDL插件。

◆ resetMyriadDevice()

void cv::dnn::resetMyriadDevice ( )

释放由OpenCV绑定的Myriad设备。

单个 Myriad 设备不能在多个进程间共享，这些进程使用了 Inference Engine 的 Myriad 插件。

◆ setInferenceEngineBackendType()

cv::String cv::dnn::setInferenceEngineBackendType ( const cv::String & newBackendType )

指定推理引擎内部的备份API。

请查看宏定义 CV_DNN_BACKEND_INFERENCE_ENGINE_* 中的值。

返回: 内部后端 API 的先前值

已弃用

◆ shape() [1/5]

static MatShape cv::dnn::shape	(	const int *	dims,
		const int	n
	)

行内静态

此函数的调用图如下：

◆ shape() [2/5]

static MatShape cv::dnn::shape ( const Mat & mat )

行内静态

此函数的调用图如下：

◆ shape() [3/5]

static MatShape cv::dnn::shape ( const MatSize & sz )

行内静态

此函数的调用图如下：

◆ shape() [4/5]

static MatShape cv::dnn::shape ( const UMat & mat )

行内静态

此函数的调用图如下：

◆ shape() [5/5]

static MatShape cv::dnn::shape	(	int	a0,
		int	a1 = `-1`,
		int	a2 = `-1`,
		int	a3 = `-1`
	)

行内静态

此函数的调用图如下：

◆ skipModelImport()

void cv::dnn::skipModelImport ( bool skip )

在readNet()函数后的诊断运行后跳过模型导入。

参数

[in] skip 指示是否跳过导入。

这是一个内部OpenCV函数，不适合用户使用。

◆ slice() [1/4]

静态 Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0
	)

行内静态

此函数的调用图如下：

◆ slice() [2/4]

静态 Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0,
		const _Range &	r1
	)

行内静态

此函数的调用图如下：

◆ slice() [3/4]

静态 Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0,
		const _Range &	r1,
		const _Range &	r2
	)

行内静态

此函数的调用图如下：

◆ slice() [4/4]

静态 Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0,
		const _Range &	r1,
		const _Range &	r2,
		const _Range &	r3
	)

行内静态

此函数的调用图如下：

◆ toString()

模板<typename _Tp >

静态 std::string cv::dnn::toString	(	const std::vector< _Tp > &	shape,
		const String &	name = `""`
	)

行内静态

此函数的调用图如下：

◆ total() [1/2]

静态 int cv::dnn::total	(	const Mat &	mat,
		int	start = `-1`,
		int	end = `-1`
	)

行内静态

此函数的调用图如下：

◆ total() [2/2]

静态 int cv::dnn::total	(	const MatShape &	shape,
		int	start = `-1`,
		int	end = `-1`
	)

行内静态

此函数的调用图如下：

命名空间

类

类型定义

枚举

函数

函数文档

◆concat()

◆ getInferenceEngineBackendType()

◆ getInferenceEngineCPUType()

◆ getInferenceEngineVPUType()

◆ getPlane()

◆ isAllOnes()

◆ normalize_axis() [1/2]

◆ normalize_axis() [2/2]

◆ normalize_axis_range()

◆ operator<<()

◆ print()

◆ releaseHDDLPlugin()

◆ resetMyriadDevice()

◆ setInferenceEngineBackendType()

◆ shape() [1/5]

◆ shape() [2/5]

◆ shape() [3/5]

◆ shape() [4/5]

◆ shape() [5/5]

◆ skipModelImport()

◆ slice() [1/4]

◆ slice() [2/4]

◆ slice() [3/4]

◆ slice() [4/4]

◆ toString()

◆ total() [1/2]

◆ total() [2/2]