dnn.hpp 文件参考

#include <vector>
#include <opencv2/core.hpp>
#include "opencv2/core/async.hpp"
#include "../dnn/version.hpp"
#include <opencv2/dnn/dict.hpp>
#include <opencv2/dnn/layer.hpp>
#include <opencv2/dnn/dnn.inl.hpp>
#include <opencv2/dnn/utils/inference_engine.hpp>

dnn.hpp 的包含依赖关系图

此图显示直接或间接包含此文件的文件。

类
类	cv::dnn::BackendNode
	此类的派生类封装了某些后端的函数。 更多…
类	cv::dnn::BackendWrapper
	此类的派生类为不同的后端和目标包装了 cv::Mat。 更多…
类	cv::dnn::ClassificationModel
	此类表示分类模型的高级 API。 更多…
类	cv::dnn::DetectionModel
	此类表示目标检测网络的高级 API。 更多…
结构体	cv::dnn::Image2BlobParams
	图像到 blob 的处理参数。 更多…
类	cv::dnn::KeypointsModel
	此类表示关键点模型的高级 API。 更多…
类	cv::dnn::Layer
	此接口类允许构建新的层——网络的构建块。 更多…
类	cv::dnn::LayerParams
	此类提供初始化层所需的所有数据。 更多…
类	cv::dnn::Model
	此类表示神经网络的高级 API。 更多…
类	cv::dnn::Net
	此类允许创建和操作全面的人工神经网络。 更多…
类	cv::dnn::SegmentationModel
	此类表示分割模型的高级 API。 更多…
类	cv::dnn::TextDetectionModel
	文本检测网络的基类。 更多…
类	cv::dnn::TextDetectionModel_DB
	此类表示与 DB 模型兼容的文本检测 DL 网络的高级 API。 更多…
类	cv::dnn::TextDetectionModel_EAST
	此类表示与 EAST 模型兼容的文本检测 DL 网络的高级 API。 更多…
类	cv::dnn::TextRecognitionModel
	此类表示文本识别网络的高级 API。 更多…

命名空间
命名空间	cv
命名空间	cv::dnn
命名空间	cv::dnn::accessor

类型定义
typedef std::vector< int >	cv::dnn::MatShape

枚举
枚举	cv::dnn::Backend {   cv::dnn::DNN_BACKEND_DEFAULT = 0 ,   cv::dnn::DNN_BACKEND_HALIDE ,   cv::dnn::DNN_BACKEND_INFERENCE_ENGINE ,   cv::dnn::DNN_BACKEND_OPENCV ,   cv::dnn::DNN_BACKEND_VKCOM ,   cv::dnn::DNN_BACKEND_CUDA ,   cv::dnn::DNN_BACKEND_WEBNN ,   cv::dnn::DNN_BACKEND_TIMVX ,   cv::dnn::DNN_BACKEND_CANN }
	层支持的计算后端枚举。 更多…
枚举	cv::dnn::DataLayout {   cv::dnn::DNN_LAYOUT_UNKNOWN = 0 ,   cv::dnn::DNN_LAYOUT_ND = 1 ,   cv::dnn::DNN_LAYOUT_NCHW = 2 ,   cv::dnn::DNN_LAYOUT_NCDHW = 3 ,   cv::dnn::DNN_LAYOUT_NHWC = 4 ,   cv::dnn::DNN_LAYOUT_NDHWC = 5 ,   cv::dnn::DNN_LAYOUT_PLANAR = 6 }
	模型推理的数据布局枚举。 更多…
枚举	cv::dnn::ImagePaddingMode {   cv::dnn::DNN_PMODE_NULL = 0 ,   cv::dnn::DNN_PMODE_CROP_CENTER = 1 ,   cv::dnn::DNN_PMODE_LETTERBOX = 2 }
	图像处理模式枚举。为了方便 dnn 模型的专业预处理需求。例如，Yolo 系列模型中常用的 letter box。 更多…
枚举类	cv::dnn::SoftNMSMethod {   cv::dnn::SoftNMSMethod::SOFTNMS_LINEAR = 1 ,   cv::dnn::SoftNMSMethod::SOFTNMS_GAUSSIAN = 2 }
	Soft NMS 方法枚举。 更多…
枚举	cv::dnn::Target {   cv::dnn::DNN_TARGET_CPU = 0 ,   cv::dnn::DNN_TARGET_OPENCL ,   cv::dnn::DNN_TARGET_OPENCL_FP16 ,   cv::dnn::DNN_TARGET_MYRIAD ,   cv::dnn::DNN_TARGET_VULKAN ,   cv::dnn::DNN_TARGET_FPGA ,   cv::dnn::DNN_TARGET_CUDA ,   cv::dnn::DNN_TARGET_CUDA_FP16 ,   cv::dnn::DNN_TARGET_HDDL ,   cv::dnn::DNN_TARGET_NPU ,   cv::dnn::DNN_TARGET_CPU_FP16 }
	计算的目标设备枚举。 更多…

函数
Mat	cv::dnn::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 4 维 blob。可以选择从中心调整大小和裁剪image，减去mean值，按scalefactor缩放值，交换蓝色和红色通道。
void	cv::dnn::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 4 维 blob。
Mat	cv::dnn::blobFromImages (InputArrayOfArrays images, double scalefactor=1.0, Size size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F)
	从一系列图像创建 4 维 blob。可以选择从中心调整大小和裁剪images，减去mean值，按scalefactor缩放值，交换蓝色和红色通道。
void	cv::dnn::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)
	从一系列图像创建四维 Blob。
Mat	cv::dnn::blobFromImagesWithParams (InputArrayOfArrays images, const Image2BlobParams &param=Image2BlobParams())
	使用给定参数从一系列图像创建四维 Blob。
void	cv::dnn::blobFromImagesWithParams (InputArrayOfArrays images, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())
Mat	cv::dnn::blobFromImageWithParams (InputArray image, const Image2BlobParams &param=Image2BlobParams())
	使用给定参数从图像创建四维 Blob。
void	cv::dnn::blobFromImageWithParams (InputArray image, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())
void	cv::dnn::enableModelDiagnostics (bool isDiagnosticsMode)
	启用使用 CV DNN API 加载 DNN 模型的详细日志记录。
std::vector< std::pair< Backend, Target > >	cv::dnn::getAvailableBackends ()
std::vector< Target >	cv::dnn::getAvailableTargets (dnn::Backend be)
void	cv::dnn::imagesFromBlob (const cv::Mat &blob_, OutputArrayOfArrays images_)
	解析一个 4D Blob 并通过更简单的​​数据结构 (std::vector<cv::Mat>) 输出它包含的图像作为 2D 数组。
void	cv::dnn::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)
	给定边界框和相应的得分执行非最大抑制。
void	cv::dnn::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	cv::dnn::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	cv::dnn::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)
	对给定边界框和不同类别中相应的得分执行批量非最大抑制。
void	cv::dnn::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)
Net	cv::dnn::readNet (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >())
	读取以其中一种支持的格式表示的深度学习网络。
Net	cv::dnn::readNet (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="", const String &framework="")
	读取以其中一种支持的格式表示的深度学习网络。
Net	cv::dnn::readNetFromCaffe (const char *bufferProto, size_t lenProto, const char *bufferModel=NULL, size_t lenModel=0)
	读取存储在内存中 Caffe 模型中的网络模型。
Net	cv::dnn::readNetFromCaffe (const std::vector< uchar > &bufferProto, const std::vector< uchar > &bufferModel=std::vector< uchar >())
	读取存储在内存中 Caffe 模型中的网络模型。
Net	cv::dnn::readNetFromCaffe (CV_WRAP_FILE_PATH const String &prototxt, CV_WRAP_FILE_PATH const String &caffeModel=String())
	读取存储在Caffe框架格式中的网络模型。
Net	cv::dnn::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	cv::dnn::readNetFromDarknet (const std::vector< uchar > &bufferCfg, const std::vector< uchar > &bufferModel=std::vector< uchar >())
	读取存储在Darknet模型文件中的网络模型。
Net	cv::dnn::readNetFromDarknet (cv::dnn::readNetFromDarknet (CV_WRAP_FILE_PATH const String &cfgFile, CV_WRAP_FILE_PATH const String &darknetModel=String())
	读取存储在Darknet模型文件中的网络模型。
Net	cv::dnn::readNetFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights)
	从英特尔的Model Optimizer中间表示加载网络。
Net	cv::dnn::readNetFromModelOptimizer (const uchar *bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar *bufferWeightsPtr, size_t bufferWeightsSize)
	从英特尔的Model Optimizer中间表示加载网络。
Net	cv::dnn::readNetFromModelOptimizer (CV_WRAP_FILE_PATH const String &xml, CV_WRAP_FILE_PATH const String &bin="")
	从英特尔的Model Optimizer中间表示加载网络。
Net	cv::dnn::readNetFromONNX (const char *buffer, size_t sizeBuffer)
	从ONNX内存缓冲区读取网络模型。
Net	cv::dnn::readNetFromONNX (const std::vector< uchar > &buffer)
	从ONNX内存缓冲区读取网络模型。
Net	cv::dnn::readNetFromONNX (CV_WRAP_FILE_PATH const String &onnxFile)
	读取网络模型ONNX。
Net	cv::dnn::readNetFromTensorflow (const char *bufferModel, size_t lenModel, const char *bufferConfig=NULL, size_t lenConfig=0)
	读取以TensorFlow框架格式存储的网络模型。
Net	cv::dnn::readNetFromTensorflow (const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >())
	读取以TensorFlow框架格式存储的网络模型。
Net	cv::dnn::readNetFromTensorflow (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config=String())
	读取以TensorFlow框架格式存储的网络模型。
Net	cv::dnn::readNetFromTFLite (const char *bufferModel, size_t lenModel)
	读取以TFLite框架格式存储的网络模型。
Net	cv::dnn::readNetFromTFLite (const std::vector< uchar > &bufferModel)
	读取以TFLite框架格式存储的网络模型。
Net	cv::dnn::readNetFromTFLite (CV_WRAP_FILE_PATH const String &model)
	读取以TFLite框架格式存储的网络模型。
Net	cv::dnn::readNetFromTorch (CV_WRAP_FILE_PATH const String &model, bool isBinary=true, bool evaluate=true)
	读取以Torch7框架格式存储的网络模型。
Mat	cv::dnn::readTensorFromONNX (CV_WRAP_FILE_PATH const String &path)
	从.pb文件创建Blob。
Mat	cv::dnn::readTorchBlob (const String &filename, bool isBinary=true)
	加载作为Torch7框架的torch.Tensor对象序列化的Blob。
void	cv::dnn::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网络的所有权重转换为半精度浮点数。
void	cv::dnn::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)
	给定边界框和对应的分数执行软非最大值抑制。参考文献：https://arxiv.org/abs/1704.04503。
void	cv::dnn::writeTextGraph (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &output)
	为以协议缓冲区格式存储的二进制网络创建文本表示。