文本检测网络基类。更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::TextDetectionModel 的协作图

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。

继承自 cv::dnn::Model 的公共成员函数
	Model (模型) ()

	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="")
	从支持的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 crop 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 scalefactor 值。

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)

保护成员函数
	TextDetectionModel ()

其他继承的成员
继承自 cv::dnn::Model 的保护属性
Ptr< Impl >	impl

详细描述

文本检测网络基类。

构造函数 & 析构函数文档

◆ TextDetectionModel()

cv::dnn::TextDetectionModel::TextDetectionModel ( )

保护

成员函数文档

◆ detect() [1/2]

void cv::dnn::TextDetectionModel::detect	(	InputArray	frame,
		std::vector< std::vector< Point > > &	detections ) const

Python
	cv.dnn.TextDetectionModel.detect(	frame	) ->	detections, confidences
	cv.dnn.TextDetectionModel.detect(	frame	) ->	检测

这是一个重载的成员函数，为了方便而提供。它与上述函数的不同之处仅在于它接受的参数。

◆ detect() [2/2]

void cv::dnn::TextDetectionModel::detect	(	InputArray	frame,
		std::vector< std::vector< Point > > &	检测,
		std::vector< float > &	confidences ) const

Python
	cv.dnn.TextDetectionModel.detect(	frame	) ->	detections, confidences
	cv.dnn.TextDetectionModel.detect(	frame	) ->	检测

执行检测。

给定输入 frame，准备网络输入，运行网络推理，后处理网络输出并返回结果检测。

每个结果是四边形的 4 个点，顺序如下

左下
左上
右上
右下

使用 cv::getPerspectiveTransform 函数检索没有透视变换的图像区域。

注意: 如果 DL 模型不支持该类型的输出，则结果可能来自 detectTextRectangles() 输出。

参数

[输入]	frame	输入图像
[输出]	检测	具有检测到的四边形的数组（每个结果 4 个点）
[输出]	confidences	具有检测置信度的数组

◆ detectTextRectangles() [1/2]

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

Python
	cv.dnn.TextDetectionModel.detectTextRectangles(	frame	) ->	detections, confidences
	cv.dnn.TextDetectionModel.detectTextRectangles(	frame	) ->	检测

这是一个重载的成员函数，为了方便而提供。它与上述函数的不同之处仅在于它接受的参数。

◆ detectTextRectangles() [2/2]

void cv::dnn::TextDetectionModel::detectTextRectangles	(	InputArray	frame,
		std::vector< cv::RotatedRect > &	检测,
		std::vector< float > &	confidences ) const

Python
	cv.dnn.TextDetectionModel.detectTextRectangles(	frame	) ->	detections, confidences
	cv.dnn.TextDetectionModel.detectTextRectangles(	frame	) ->	检测

执行检测。

给定输入 frame，准备网络输入，运行网络推理，后处理网络输出并返回结果检测。

每个结果都是旋转的矩形。

注意: 在强透视变换的情况下，结果可能不准确。

参数

[输入]	frame	输入图像
[输出]	检测	具有检测到的 RotationRect 结果的数组
[输出]	confidences	具有检测置信度的数组

该类的文档由以下文件生成

opencv2/dnn/dnn.hpp

公共成员函数

保护成员函数

其他继承的成员