此类表示与 DB 模型兼容的文本检测 DL 网络的高级 API。更多…

#include <opencv2/dnn/dnn.hpp>

cv::dnn::TextDetectionModel_DB 的协作图

公共成员函数
	TextDetectionModel_DB ()

	TextDetectionModel_DB (const Net &network)
	从深度学习网络创建文本检测算法。

	TextDetectionModel_DB (CV_WRAP_FILE_PATH const std::string &model, CV_WRAP_FILE_PATH const std::string &config="")
	从以支持格式之一表示的网络创建文本检测模型。`model` 和 `config` 参数的顺序无关紧要。

float	getBinaryThreshold () const

int	getMaxCandidates () const

float	getPolygonThreshold () const

double	getUnclipRatio () const

TextDetectionModel_DB &	setBinaryThreshold (float binaryThreshold)

TextDetectionModel_DB &	setMaxCandidates (int maxCandidates)

TextDetectionModel_DB &	setPolygonThreshold (float polygonThreshold)

TextDetectionModel_DB &	setUnclipRatio (double unclipRatio)

从 cv::dnn::TextDetectionModel 继承的公共成员函数
void	detect (InputArray frame, std::vector< std::vector< Point > > &detections) const

void	detect (InputArray frame, std::vector< std::vector< Point > > &detections, std::vector< float > &confidences) const
	执行检测。

void	detectTextRectangles (InputArray frame, std::vector< cv::RotatedRect > &detections) const

void	detectTextRectangles (InputArray frame, std::vector< cv::RotatedRect > &detections, std::vector< float > &confidences) const
	执行检测。

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)
	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)

继承的成员
从 cv::dnn::TextDetectionModel 继承的受保护成员函数
	TextDetectionModel ()

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

详细描述

此类表示与DB模型兼容的文本检测DL网络的高级API。

相关出版物：[166]论文：https://arxiv.org/abs/1911.08947 有关超参数设置的更多信息，请参考 https://github.com/MhLiao/DB

可配置参数

(float) binaryThreshold - 二值图的阈值。通常设置为0.3。
(float) polygonThreshold - 文本多边形的阈值。通常设置为0.5、0.6和0.7。默认为0.5f
(double) unclipRatio - 检测到的文本区域的解裁剪比例，决定输出大小。通常设置为2.0。
(int) maxCandidates - 输出结果的最大数量。

构造函数和析构函数文档

◆ TextDetectionModel_DB() [1/3]

cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB ( )

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

◆ TextDetectionModel_DB() [2/3]

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

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

从深度学习网络创建文本检测算法。

参数

[in] network Net 对象。

◆ TextDetectionModel_DB() [3/3]

cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB	(	CV_WRAP_FILE_PATH const std::string &	model,
		CV_WRAP_FILE_PATH const std::string &	config = "" )

inline

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

从以支持格式之一表示的网络创建文本检测模型。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。

以下是此函数的调用图

成员函数文档

◆ getBinaryThreshold()

float cv::dnn::TextDetectionModel_DB::getBinaryThreshold ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getBinaryThreshold(		) ->	retval

◆ getMaxCandidates()

int cv::dnn::TextDetectionModel_DB::getMaxCandidates ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getMaxCandidates(		) ->	retval

◆ getPolygonThreshold()

float cv::dnn::TextDetectionModel_DB::getPolygonThreshold ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getPolygonThreshold(		) ->	retval

◆ getUnclipRatio()

double cv::dnn::TextDetectionModel_DB::getUnclipRatio ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getUnclipRatio(		) ->	retval

◆ setBinaryThreshold()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setBinaryThreshold ( float binaryThreshold )

Python
	cv.dnn.TextDetectionModel_DB.setBinaryThreshold(	binaryThreshold	) ->	retval

◆ setMaxCandidates()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setMaxCandidates ( int maxCandidates )

Python
	cv.dnn.TextDetectionModel_DB.setMaxCandidates(	maxCandidates	) ->	retval

◆ setPolygonThreshold()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setPolygonThreshold ( float polygonThreshold )

Python
	cv.dnn.TextDetectionModel_DB.setPolygonThreshold(	polygonThreshold	) ->	retval

◆ setUnclipRatio()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setUnclipRatio ( double unclipRatio )

Python
	cv.dnn.TextDetectionModel_DB.setUnclipRatio(	unclipRatio	) ->	retval

此类的文档是从以下文件生成的：

opencv2/dnn/dnn.hpp

公共成员函数

继承的成员