此类提供用于神经网络的高级 API。更多…

#include <opencv2/dnn/dnn.hpp>

cv::dnn::Model 协作图

公有成员函数
	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="")
	从以其中一种受支持的格式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)
	设置帧的裁剪标志。

Model &	setInputMean (const Scalar &mean)
	设置帧的均值。

void	setInputParams (double scale=1.0, const Size &size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false)
	设置帧的预处理参数。

Model &	setInputScale (const Scalar &scale)
	设置帧的缩放因子。

Model &	setInputSize (const Size &size)
	设置帧的输入大小。

Model &	setInputSize (int width, int height)

Model &	setInputSwapRB (bool swapRB)
	设置帧的 swapRB 标志。

Model &	setOutputNames (const std::vector< String > &outNames)
	设置帧的输出名称。

Model &	setPreferableBackend (dnn::Backend backendId)

Model &	setPreferableTarget (dnn::Target targetId)

受保护属性
Ptr< Impl >	impl

详细描述

此类提供用于神经网络的高级 API。

Model 允许设置预处理输入图像的参数。Model 从包含训练权重和配置的文件创建网络，设置输入预处理并运行前向传递。

构造函数和析构函数文档

◆ Model() [1/5]

cv::dnn::Model::Model ( )

Python
	cv.dnn.Model(	model[, config]	) ->	<dnn_Model 对象>
	cv.dnn.Model(	network	) ->	<dnn_Model 对象>

◆ Model() [2/5]

cv::dnn::Model::Model ( const Model & )

default

Python
	cv.dnn.Model(	model[, config]	) ->	<dnn_Model 对象>
	cv.dnn.Model(	network	) ->	<dnn_Model 对象>

◆ Model() [3/5]

cv::dnn::Model::Model ( Model && )

default

Python
	cv.dnn.Model(	model[, config]	) ->	<dnn_Model 对象>
	cv.dnn.Model(	network	) ->	<dnn_Model 对象>

◆ Model() [4/5]

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

Python
	cv.dnn.Model(	model[, config]	) ->	<dnn_Model 对象>
	cv.dnn.Model(	network	) ->	<dnn_Model 对象>

从以其中一种受支持的格式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。

参数

[in]	model	包含训练权重的二进制文件。
[in]	config	包含网络配置的文本文件。

◆ Model() [5/5]

cv::dnn::Model::Model ( const Net & network )

Python
	cv.dnn.Model(	model[, config]	) ->	<dnn_Model 对象>
	cv.dnn.Model(	network	) ->	<dnn_Model 对象>

从深度学习网络创建模型。

参数

[in] network Net 对象。

成员函数文档

◆ enableWinograd()

Model & cv::dnn::Model::enableWinograd ( bool useWinograd )

Python
	cv.dnn.Model.enableWinograd(	useWinograd	) ->	retval

另请参见: Net::enableWinograd

◆ getImpl()

Impl * cv::dnn::Model::getImpl ( ) const

inline

◆ getImplRef()

Impl & cv::dnn::Model::getImplRef ( ) const

inline

◆ getNetwork_() [1/2]

Net & cv::dnn::Model::getNetwork_ ( )

inline

此函数的调用图如下所示

◆ getNetwork_() [2/2]

Net & cv::dnn::Model::getNetwork_ ( ) const

◆ operator Net &()

cv::dnn::Model::operator Net & ( ) const

inline

◆ operator=() [1/2]

Model & cv::dnn::Model::operator= ( const Model & )

default

◆ operator=() [2/2]

Model & cv::dnn::Model::operator= ( Model && )

default

◆ predict()

void cv::dnn::Model::predict	(	InputArray	frame,
		OutputArrayOfArrays	outs ) const

Python
	cv.dnn.Model.predict(	frame[, outs]	) ->	outs

给定input帧，创建输入 blob，运行网络并返回输出blobs。

参数

[in]	frame	输入图像。
[out]	outs	分配的输出 blobs，用于存储计算结果。

◆ setInputCrop()

Model & cv::dnn::Model::setInputCrop ( bool crop )

Python
	cv.dnn.Model.setInputCrop(	crop	) ->	retval

设置帧的裁剪标志。

参数

[in] crop 标志位，指示图像在调整大小后是否会被裁剪。

◆ setInputMean()

cv::dnn::Model & cv::dnn::Model::setInputMean ( const Scalar & mean )

Python
	cv.dnn.Model.setInputMean(	mean	) ->	retval

设置帧的均值。

参数

[in] mean 包含从通道中减去的平均值的Scalar。

◆ setInputParams()

void cv::dnn::Model::setInputParams	(	double	scale = 1.0,
		const Size &	size = Size(),
		const Scalar &	mean = Scalar(),
		bool	swapRB = false,
		bool	crop = false )

Python
	cv.dnn.Model.setInputParams(	[, scale[, size[, mean[, swapRB[, crop]]]]]	) ->	无

设置帧的预处理参数。

参数

[in]	size	新的输入大小。
[in]	mean	包含从通道中减去的平均值的Scalar。
[in]	scale	帧值的乘数。
[in]	swapRB	标志位，指示是否交换第一和最后一个通道。
[in]	crop	标志位，指示图像在调整大小后是否会被裁剪。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

◆ setInputScale()

cv::dnn::Model & cv::dnn::Model::setInputScale ( const Scalar & scale )

Python
	cv.dnn.Model.setInputScale(	scale	) ->	retval

设置帧的缩放因子。

参数

[in] scale 帧值的乘数。

◆ setInputSize() [1/2]

cv::dnn::Model & cv::dnn::Model::setInputSize ( const Size & size )

Python
	cv.dnn.Model.setInputSize(	size	) ->	retval
	cv.dnn.Model.setInputSize(	width, height	) ->	retval

设置帧的输入大小。

参数

[in] size 新的输入大小。

注意: 如果新blob的形状小于0，则帧大小不变。

◆ setInputSize() [2/2]

cv::dnn::Model & cv::dnn::Model::setInputSize	(	int	width,
		int	height )

inline

Python
	cv.dnn.Model.setInputSize(	size	) ->	retval
	cv.dnn.Model.setInputSize(	width, height	) ->	retval

这是一个重载的成员函数，为了方便使用而提供。它与上面的函数的区别仅在于它接受的参数。

参数

[in]	width	新的输入宽度。
[in]	height	新的输入高度。

此函数的调用图如下所示

◆ setInputSwapRB()

cv::dnn::Model & cv::dnn::Model::setInputSwapRB ( bool swapRB )

Python
	cv.dnn.Model.setInputSwapRB(	swapRB	) ->	retval

设置帧的 swapRB 标志。

参数

[in] swapRB 标志位，指示是否交换第一和最后一个通道。

◆ setOutputNames()

cv::dnn::Model & cv::dnn::Model::setOutputNames ( const std::vector< String > & outNames )

Python
	cv.dnn.Model.setOutputNames(	outNames	) ->	retval

设置帧的输出名称。

参数

[in] outNames 输出层的名称。

◆ setPreferableBackend()

cv::dnn::Model & cv::dnn::Model::setPreferableBackend ( dnn::Backend backendId )

Python
	cv.dnn.Model.setPreferableBackend(	backendId	) ->	retval

另请参见: Net::setPreferableBackend

◆ setPreferableTarget()

cv::dnn::Model & cv::dnn::Model::setPreferableTarget ( dnn::Target targetId )

Python
	cv.dnn.Model.setPreferableTarget(	targetId	) ->	retval

另请参见: Net::setPreferableTarget

成员数据文档

◆ impl

Ptr<Impl> cv::dnn::Model::impl

受保护的

此类的文档是从以下文件生成的

opencv2/dnn/dnn.hpp

公有成员函数

受保护属性

详细描述

构造函数和析构函数文档

◆ Model() [1/5]

◆ Model() [2/5]

◆ Model() [3/5]

◆ Model() [4/5]

◆ Model() [5/5]

成员函数文档

◆ enableWinograd()

◆ getImpl()

◆ getImplRef()

◆ getNetwork_() [1/2]

◆ getNetwork_() [2/2]

◆ operator Net &()

◆ operator=() [1/2]

◆ operator=() [2/2]

◆ predict()

◆ setInputCrop()

◆ setInputMean()

◆ setInputParams()

◆ setInputScale()

◆ setInputSize() [1/2]

◆ setInputSize() [2/2]

◆ setInputSwapRB()

◆ setOutputNames()

◆ setPreferableBackend()

◆ setPreferableTarget()

成员数据文档

◆ impl