这个接口类允许构建新的层——它们是网络的基本组成单元。更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::Layer 的协作图

公共成员函数
	Layer ()

	Layer (const LayerParams &params)
	仅初始化 name、type 和 blobs 字段。

virtual	~Layer ()

virtual void	applyHalideScheduler (Ptr< BackendNode > &node, const std::vector< Mat * > &inputs, const std::vector< Mat > &outputs, int targetId) const
	基于层超参数的 Halide 自动调度。

virtual void	finalize (const std::vector< Mat * > &input, std::vector< Mat > &output)
	根据输入、输出和blobs计算并设置内部参数。

std::vector< Mat >	finalize (const std::vector< Mat > &inputs)
	这是一个重载成员函数，为方便起见提供。它与上述函数的区别仅在于接受的参数。

void	finalize (const std::vector< Mat > &inputs, std::vector< Mat > &outputs)
	这是一个重载成员函数，为方便起见提供。它与上述函数的区别仅在于接受的参数。

virtual void	finalize (InputArrayOfArrays inputs, OutputArrayOfArrays outputs)
	根据输入、输出和blobs计算并设置内部参数。

virtual void	forward (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	给定 `input` blobs，计算输出 `blobs`。

virtual void	forward (std::vector< Mat * > &input, std::vector< Mat > &output, std::vector< Mat > &internals)
	给定 `input` blobs，计算输出 `blobs`。

void	forward_fallback (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	给定 `input` blobs，计算输出 `blobs`。

virtual int64	getFLOPS (const std::vector< MatShape > &inputs, const std::vector< MatShape > &outputs) const

virtual bool	getMemoryShapes (const std::vector< MatShape > &inputs, const int requiredOutputs, std::vector< MatShape > &outputs, std::vector< MatShape > &internals) const

virtual void	getScaleShift (Mat &scale, Mat &shift) const
	返回具有通道乘法和加法操作的层的参数。

virtual void	getScaleZeropoint (float &scale, int &zeropoint) const
	返回层的缩放和零点。

virtual Ptr< BackendNode >	initCann (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs, const std::vector< Ptr< BackendNode > > &nodes)
	返回一个 CANN 后端节点。

virtual Ptr< BackendNode >	initCUDA (void *context, const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs)
	返回一个 CUDA 后端节点。

virtual Ptr< BackendNode >	initHalide (const std::vector< Ptr< BackendWrapper > > &inputs)
	返回 Halide 后端节点。

virtual Ptr< BackendNode >	initNgraph (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)

virtual Ptr< BackendNode >	initTimVX (void *timVxInfo, const std::vector< Ptr< BackendWrapper > > &inputsWrapper, const std::vector< Ptr< BackendWrapper > > &outputsWrapper, bool isLast)
	返回一个 TimVX 后端节点。

virtual Ptr< BackendNode >	initVkCom (const std::vector< Ptr< BackendWrapper > > &inputs, std::vector< Ptr< BackendWrapper > > &outputs)

virtual Ptr< BackendNode >	initWebnn (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)

virtual int	inputNameToIndex (String inputName)
	返回输入 blob 在输入数组中的索引。

virtual int	outputNameToIndex (const String &outputName)
	返回输出 blob 在输出数组中的索引。

void	run (const std::vector< Mat > &inputs, std::vector< Mat > &outputs, std::vector< Mat > &internals)
	分配层并计算输出。

virtual bool	setActivation (const Ptr< ActivationLayer > &layer)
	尝试将后续激活层附加到当前层，即在特定情况下进行层融合。

void	setParamsFrom (const LayerParams &params)
	仅初始化 name、type 和 blobs 字段。

virtual bool	supportBackend (int backendId)
	询问层是否支持特定的后端进行计算。

virtual Ptr< BackendNode >	tryAttach (const Ptr< BackendNode > &node)
	实现层融合。

virtual bool	tryFuse (Ptr< Layer > &top)
	尝试将当前层与下一层融合。

virtual bool	tryQuantize (const std::vector< std::vector< float > > &scales, const std::vector< std::vector< int > > &zeropoints, LayerParams &params)
	尝试对给定层进行量化，并计算定点实现所需的量化参数。

virtual void	unsetAttached ()
	“分离”所有附加到特定层的层。

virtual bool	updateMemoryShapes (const std::vector< MatShape > &inputs)

继承自 cv::Algorithm 的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。

void	write (FileStorage &fs, const String &name) const

公共属性
std::vector< Mat >	blobs
	学到的参数列表必须存储在此处，以便通过 Net::getParam() 读取它们。

String	name
	层实例的名称，可用于日志记录或其他内部目的。

int	preferableTarget
	层转发的首选目标

String	type
	通过层工厂创建层时使用的类型名称。

其他继承成员
继承自 cv::Algorithm 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

继承自 cv::Algorithm 的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

这个接口类允许构建新的层——它们是网络的基本组成单元。

每个从 Layer 派生的类都必须实现 forward() 方法来计算输出。此外，在使用新层构建网络之前，您必须使用 LayerFactory 宏之一注册您的层。

构造函数 & 析构函数文档

◆ Layer() [1/2]

cv::dnn::Layer::Layer ( )

◆ Layer() [2/2]

cv::dnn::Layer::Layer ( const LayerParams & params )

显式

仅初始化 name、type 和 blobs 字段。

◆ ~Layer()

virtual cv::dnn::Layer::~Layer ( )

virtual

成员函数文档

◆ applyHalideScheduler()

virtual void cv::dnn::Layer::applyHalideScheduler	(	Ptr< BackendNode > &	node,
		const std::vector< Mat * > &	inputs,
		const std::vector< Mat > &	outputs,
		int	targetId ) const

virtual

基于层超参数的 Halide 自动调度。

参数

[输入]	node	带有Halide函数的后端节点。
[输入]	inputs	将在前向调用中使用的blobs。
[输入]	outputs	将在前向调用中使用的blobs。
[输入]	targetId	目标标识符

另请参见: BackendNode, Target

Layer 不使用自己的 Halide::Func 成员，因为我们可以应用层融合。在这种情况下，融合函数应该被调度。

◆ finalize() [1/4]

virtual void cv::dnn::Layer::finalize	(	const std::vector< Mat * > &	input,
		std::vector< Mat > &	output )

virtual

Python
	cv.dnn.Layer.finalize(	inputs[, outputs]	) ->	outputs

根据输入、输出和blobs计算并设置内部参数。

已弃用: 请改用 Layer::finalize(InputArrayOfArrays, OutputArrayOfArrays)

参数

[输入]	input	已分配输入blobs的向量
[输出]	输出	已分配输出blobs的向量

此方法在网络为输入和输出blobs分配所有内存之后、推理之前调用。

◆ finalize() [2/4]

std::vector< Mat > cv::dnn::Layer::finalize ( const std::vector< Mat > & inputs )

Python
	cv.dnn.Layer.finalize(	inputs[, outputs]	) ->	outputs

这是一个重载成员函数，为方便起见提供。它与上述函数的区别仅在于接受的参数。

已弃用: 请改用 Layer::finalize(InputArrayOfArrays, OutputArrayOfArrays)

◆ finalize() [3/4]

void cv::dnn::Layer::finalize	(	const std::vector< Mat > &	inputs,
		std::vector< Mat > &	outputs )

Python
	cv.dnn.Layer.finalize(	inputs[, outputs]	) ->	outputs

这是一个重载成员函数，为方便起见提供。它与上述函数的区别仅在于接受的参数。

已弃用: 请改用 Layer::finalize(InputArrayOfArrays, OutputArrayOfArrays)

◆ finalize() [4/4]

virtual void cv::dnn::Layer::finalize	(	InputArrayOfArrays	inputs,
		OutputArrayOfArrays	outputs )

virtual

Python
	cv.dnn.Layer.finalize(	inputs[, outputs]	) ->	outputs

根据输入、输出和blobs计算并设置内部参数。

参数

[输入]	inputs	已分配输入blobs的向量
[输出]	outputs	已分配输出blobs的向量

此方法在网络为输入和输出blobs分配所有内存之后、推理之前调用。

◆ forward() [1/2]

virtual void cv::dnn::Layer::forward	(	InputArrayOfArrays	inputs,
		OutputArrayOfArrays	outputs,
		OutputArrayOfArrays	internals )

virtual

给定 input blobs，计算输出 blobs。

参数

[输入]	inputs	输入blobs。
[输出]	outputs	已分配的输出blobs，将存储计算结果。
[输出]	内部	已分配的内部blobs

◆ forward() [2/2]

virtual void cv::dnn::Layer::forward	(	std::vector< Mat * > &	input,
		std::vector< Mat > &	输出,
		std::vector< Mat > &	internals )

virtual

给定 input blobs，计算输出 blobs。

已弃用: 请改用 Layer::forward(InputArrayOfArrays, OutputArrayOfArrays, OutputArrayOfArrays)

参数

[输入]	input	输入blobs。
[输出]	输出	已分配的输出blobs，将存储计算结果。
[输出]	内部	已分配的内部blobs

◆ forward_fallback()

void cv::dnn::Layer::forward_fallback	(	InputArrayOfArrays	inputs,
		OutputArrayOfArrays	outputs,
		OutputArrayOfArrays	internals )

给定 input blobs，计算输出 blobs。

参数

[输入]	inputs	输入blobs。
[输出]	outputs	已分配的输出blobs，将存储计算结果。
[输出]	内部	已分配的内部blobs

◆ getFLOPS()

virtual int64 cv::dnn::Layer::getFLOPS	(	const std::vector< MatShape > &	inputs,
		const std::vector< MatShape > &	outputs ) const

inlinevirtual

◆ getMemoryShapes()

virtual bool cv::dnn::Layer::getMemoryShapes	(	const std::vector< MatShape > &	inputs,
		const int	所需输出,
		std::vector< MatShape > &	outputs,
		std::vector< MatShape > &	internals ) const

virtual

◆ getScaleShift()

virtual void cv::dnn::Layer::getScaleShift	(	Mat &	scale,
		Mat &	shift ) const

virtual

返回具有通道乘法和加法操作的层的参数。

参数

[输出]	scale	通道乘数。总值数应等于通道数。
[输出]	移位 (shift)	通道偏移量。总值数应等于通道数。

有些层可以将其变换与后续层融合。例如，卷积+批归一化。这样，基础层使用其后层的权重。融合层被跳过。默认情况下，scale 和 shift 为空，表示该层没有逐元素乘法或加法。

◆ getScaleZeropoint()

virtual void cv::dnn::Layer::getScaleZeropoint	(	float &	scale,
		int &	zeropoint ) const

virtual

返回层的缩放和零点。

参数

[输出]	scale	输出缩放
[输出]	zeropoint	输出零点

默认情况下，scale 为 1，zeropoint 为 0。

◆ initCann()

virtual Ptr< BackendNode > cv::dnn::Layer::initCann	(	const std::vector< Ptr< BackendWrapper > > &	inputs,
		const std::vector< Ptr< BackendWrapper > > &	outputs,
		const std::vector< Ptr< BackendNode > > &	nodes )

virtual

返回一个 CANN 后端节点。

参数

inputs	CANN算子的输入张量
outputs	CANN算子的输出张量
nodes	输入张量的节点

◆ initCUDA()

virtual Ptr< BackendNode > cv::dnn::Layer::initCUDA	(	void *	context,
		const std::vector< Ptr< BackendWrapper > > &	inputs,
		const std::vector< Ptr< BackendWrapper > > &	outputs )

virtual

返回一个 CUDA 后端节点。

参数

context	指向CSLContext对象的void指针
inputs	层输入
outputs	层输出

◆ initHalide()

virtual Ptr< BackendNode > cv::dnn::Layer::initHalide ( const std::vector< Ptr< BackendWrapper > > & inputs )

virtual

返回 Halide 后端节点。

参数

[输入] inputs 输入Halide缓冲区。

另请参见: BackendNode, BackendWrapper

输入缓冲区应与前向调用中使用的完全相同。尽管我们可以仅根据输入形状使用Halide::ImageParam，但这有助于防止一些内存管理问题（如果出现错误，Halide测试将会失败）。

◆ initNgraph()

virtual Ptr< BackendNode > cv::dnn::Layer::initNgraph	(	const std::vector< Ptr< BackendWrapper > > &	inputs,
		const std::vector< Ptr< BackendNode > > &	nodes )

virtual

◆ initTimVX()

virtual Ptr< BackendNode > cv::dnn::Layer::initTimVX	(	void *	timVxInfo,
		const std::vector< Ptr< BackendWrapper > > &	inputsWrapper,
		const std::vector< Ptr< BackendWrapper > > &	outputsWrapper,
		bool	isLast )

virtual

返回一个 TimVX 后端节点。

参数

timVxInfo	指向CSLContext对象的void指针
inputsWrapper	层输入
outputsWrapper	层输出
isLast	如果该节点是TimVX图中的最后一个节点。

◆ initVkCom()

virtual Ptr< BackendWrapper > cv::dnn::Layer::initVkCom	(	const std::vector< Ptr< BackendWrapper > > &	inputs,
		std::vector< Ptr< BackendWrapper > > &	outputs )

virtual

◆ initWebnn()

virtual Ptr< BackendNode > cv::dnn::Layer::initWebnn	(	const std::vector< Ptr< BackendWrapper > > &	inputs,
		const std::vector< Ptr< BackendNode > > &	nodes )

virtual

◆ inputNameToIndex()

virtual int cv::dnn::Layer::inputNameToIndex ( String inputName )

virtual

返回输入 blob 在输入数组中的索引。

参数

inputName 输入 blob 的标签

每个层的输入和输出都可以被标记，以便使用“%[.output_name]”符号轻松识别它们。此方法将输入blob的标签映射到其在输入向量中的索引。

在 cv::dnn::LSTMLayer 中重新实现。

◆ outputNameToIndex()

virtual int cv::dnn::Layer::outputNameToIndex ( const String & outputName )

virtual

Python
	cv.dnn.Layer.outputNameToIndex(	outputName	) ->	retval

返回输出 blob 在输出数组中的索引。

另请参见: inputNameToIndex()

在 cv::dnn::LSTMLayer 中重新实现。

◆ run()

void cv::dnn::Layer::run	(	const std::vector< Mat > &	inputs,
		std::vector< Mat > &	outputs,
		std::vector< Mat > &	internals )

Python
	cv.dnn.Layer.run(	inputs, internals[, outputs]	) ->	outputs, internals

分配层并计算输出。

已弃用: 此方法将在未来版本中删除。

◆ setActivation()

virtual bool cv::dnn::Layer::setActivation ( const Ptr< ActivationLayer > & layer )

virtual

尝试将后续激活层附加到当前层，即在特定情况下进行层融合。

参数

[输入] layer 后续的激活层。

如果激活层已成功附加，则返回 true。

◆ setParamsFrom()

void cv::dnn::Layer::setParamsFrom ( const LayerParams & params )

仅初始化 name、type 和 blobs 字段。

◆ supportBackend()

virtual bool cv::dnn::Layer::supportBackend ( int backendId )

virtual

询问层是否支持特定的后端进行计算。

参数

[输入] backendId 计算后端标识符。

另请参见: Backend

◆ tryAttach()

virtual Ptr< BackendNode > cv::dnn::Layer::tryAttach ( const Ptr< BackendNode > & node )

virtual

实现层融合。

参数

[输入] node 底层后端节点。

另请参见: BackendNode

适用于基于图的后端。如果层成功附加，则返回非空的 cv::Ptr 指向同一后端节点。仅在最后一个函数上进行融合。

◆ tryFuse()

virtual bool cv::dnn::Layer::tryFuse ( Ptr< Layer > & top )

virtual

尝试将当前层与下一层融合。

参数

[输入] top 要融合的下一层。

返回: 如果已执行融合，则为 True。

◆ tryQuantize()

virtual bool cv::dnn::Layer::tryQuantize	(	const std::vector< std::vector< float > > &	scales,
		const std::vector< std::vector< int > > &	zeropoints,
		LayerParams &	params )

virtual

尝试对给定层进行量化，并计算定点实现所需的量化参数。

参数

[输入]	scales	输入和输出缩放。
[输入]	zeropoints	输入和输出零点。
[输出]	params	该层定点实现所需的量化参数。

返回: 如果层可以量化，则为 True。

◆ unsetAttached()

virtual void cv::dnn::Layer::unsetAttached ( )

virtual

“分离”所有附加到特定层的层。

◆ updateMemoryShapes()

virtual bool cv::dnn::Layer::updateMemoryShapes ( const std::vector< MatShape > & inputs )

virtual

成员数据文档

◆ blobs

std::vector<Mat> cv::dnn::Layer::blobs

学到的参数列表必须存储在此处，以便通过 Net::getParam() 读取它们。

◆ name

String cv::dnn::Layer::name

层实例的名称，可用于日志记录或其他内部目的。

◆ preferableTarget

int cv::dnn::Layer::preferableTarget

层转发的首选目标

◆ type

String cv::dnn::Layer::type

通过层工厂创建层时使用的类型名称。

此类的文档生成自以下文件

opencv2/dnn/dnn.hpp

公共成员函数

公共属性

其他继承成员

详细描述

构造函数 & 析构函数文档

◆ Layer() [1/2]

◆ Layer() [2/2]

◆ ~Layer()

成员函数文档

◆ applyHalideScheduler()

◆ finalize() [1/4]

◆ finalize() [2/4]

◆ finalize() [3/4]

◆ finalize() [4/4]

◆ forward() [1/2]

◆ forward() [2/2]

◆ forward_fallback()

◆ getFLOPS()

◆ getMemoryShapes()

◆ getScaleShift()

◆ getScaleZeropoint()

◆ initCann()

◆ initCUDA()

◆ initHalide()

◆ initNgraph()

◆ initTimVX()

◆ initVkCom()

◆ initWebnn()

◆ inputNameToIndex()

◆ outputNameToIndex()

◆ run()

◆ setActivation()

◆ setParamsFrom()

◆ supportBackend()

◆ tryAttach()

◆ tryFuse()

◆ tryQuantize()

◆ unsetAttached()

◆ updateMemoryShapes()

成员数据文档

◆ blobs

◆ name

◆ preferableTarget

◆ type