包 org.opencv.dnn

类 Model

java.lang.Object

org.opencv.dnn.Model

直接已知子类

ClassificationModel, DetectionModel, KeypointsModel, SegmentationModel, TextDetectionModel, TextRecognitionModel

public class Model
extends java.lang.Object

此类提供了神经网络的高级 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中创建网络，设置预处理输入并运行前向传递。

字段摘要

字段

修饰符和类型	字段	描述
protected long	nativeObj

构造函数摘要

构造函数

修饰符	构造函数	描述
protected	Model(long addr)
	Model(java.lang.String model)	从以支持格式之一表示的深度学习网络创建模型。
	Model(java.lang.String model, java.lang.String config)	从以支持格式之一表示的深度学习网络创建模型。
	Model(Net network)	从深度学习网络创建模型。

方法摘要

修饰符和类型	方法	描述
static Model	__fromPtr__(long addr)
Model	enableWinograd(boolean useWinograd)
protected void	finalize()
long	getNativeObjAddr()
void	predict(Mat frame, java.util.List<Mat> outs)	给定input帧，创建输入 blob，运行网络并返回输出blobs。
Model	setInputCrop(boolean crop)	设置帧的裁剪标志。
Model	setInputMean(Scalar mean)	设置帧的均值。
void	setInputParams()	设置帧的预处理参数。
void	setInputParams(double scale)	设置帧的预处理参数。
void	setInputParams(double scale, Size size)	设置帧的预处理参数。
void	setInputParams(double scale, Size size, Scalar mean)	设置帧的预处理参数。
void	setInputParams(double scale, Size size, Scalar mean, boolean swapRB)	设置帧的预处理参数。
void	setInputParams(double scale, Size size, Scalar mean, boolean swapRB, boolean crop)	设置帧的预处理参数。
Model	setInputScale(Scalar scale)	设置帧的缩放因子。
Model	setInputSize(int width, int height)
Model	setInputSize(Size size)	设置帧的输入大小。
Model	setInputSwapRB(boolean swapRB)	设置帧的 swapRB 标志。
Model	setOutputNames(java.util.List<java.lang.String> outNames)	设置帧的输出名称。
Model	setPreferableBackend(int backendId)
Model	setPreferableTarget(int targetId)

继承的方法来自类 java.lang.Object

clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

字段详情

nativeObj

protected final long nativeObj

构造函数详情

Model

protected Model(long addr)

Model

public Model(java.lang.String model,
             java.lang.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。

参数

model - 包含训练权重的二进制文件。

config - 包含网络配置的文本文件。

Model

public Model(java.lang.String model)

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。

参数

model - 包含训练权重的二进制文件。

Model

public Model(Net network)

从深度学习网络创建模型。

参数

network - Net 对象。

方法详情

getNativeObjAddr

public long getNativeObjAddr()

__fromPtr__

public static Model __fromPtr__(long addr)

setInputSize

public Model setInputSize(Size size)

设置帧的输入大小。

参数

size - 新的输入大小。**注意：**如果新 blob 的形状小于 0，则帧大小不会改变。

返回

自动生成

setInputSize

public Model setInputSize(int width,
                          int height)

参数

width - 新的输入宽度。

height - 新的输入高度。

返回

自动生成

setInputMean

public Model setInputMean(Scalar mean)

设置帧的均值。

参数

mean - 包含从通道中减去的均值的标量。

返回

自动生成

setInputScale

public Model setInputScale(Scalar scale)

设置帧的缩放因子。

参数

scale - 帧值的乘数。

返回

自动生成

setInputCrop

public Model setInputCrop(boolean crop)

设置帧的裁剪标志。

参数

crop - 指示是否在调整大小后裁剪图像的标志。

返回

自动生成

setInputSwapRB

public Model setInputSwapRB(boolean swapRB)

设置帧的 swapRB 标志。

参数

swapRB - 指示是否交换第一个和最后一个通道的标志。

返回

自动生成

setOutputNames

public Model setOutputNames(java.util.List<java.lang.String> outNames)

设置帧的输出名称。

参数

outNames - 输出层的名称。

返回

自动生成

setInputParams

public void setInputParams(double scale,
                           Size size,
                           Scalar mean,
                           boolean swapRB,
                           boolean crop)

设置帧的预处理参数。

参数

size - 新的输入大小。

mean - 包含从通道中减去的均值的标量。

scale - 帧值的乘数。

swapRB - 指示是否交换第一个和最后一个通道的标志。

crop - 指示是否在调整大小后裁剪图像的标志。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

setInputParams

public void setInputParams(double scale,
                           Size size,
                           Scalar mean,
                           boolean swapRB)

设置帧的预处理参数。

参数

size - 新的输入大小。

mean - 包含从通道中减去的均值的标量。

scale - 帧值的乘数。

swapRB - 指示是否交换第一个和最后一个通道的标志。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

setInputParams

public void setInputParams(double scale,
                           Size size,
                           Scalar mean)

设置帧的预处理参数。

参数

size - 新的输入大小。

mean - 包含从通道中减去的均值的标量。

scale - 帧值的乘数。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

setInputParams

public void setInputParams(double scale,
                           Size size)

设置帧的预处理参数。

参数

size - 新的输入大小。

scale - 帧值的乘数。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

setInputParams

public void setInputParams(double scale)

设置帧的预处理参数。

参数

scale - 帧值的乘数。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

setInputParams

public void setInputParams()

设置帧的预处理参数。blob(n, c, y, x) = scale * resize( frame(y, x, c) ) - mean(c) )

predict

public void predict(Mat frame,
                    java.util.List<Mat> outs)

给定input帧，创建输入 blob，运行网络并返回输出blobs。

参数

outs - 分配的输出 blob，将存储计算结果。

frame - 自动生成

setPreferableBackend

public Model setPreferableBackend(int backendId)

setPreferableTarget

public Model setPreferableTarget(int targetId)

enableWinograd

public Model enableWinograd(boolean useWinograd)

finalize

protected void finalize()
                 throws java.lang.Throwable

覆盖

finalize 在类 java.lang.Object 中

抛出

java.lang.Throwable