cv::dnn::TextRecognitionModel 类参考

此类表示文本识别网络的高级 API。 更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::TextRecognitionModel 的协作图

公共成员函数
	TextRecognitionModel ()
	TextRecognitionModel (const Net &network)
	从深度学习网络创建文本识别模型。构造函数之后调用 setDecodeType() 和 setVocabulary() 以初始化解码方法。
	TextRecognitionModel (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识别模型。构造函数之后调用 setDecodeType() 和 setVocabulary() 以初始化解码方法。
const std::string &	getDecodeType () const
	获取解码方法。
const std::vector< std::string > &	getVocabulary () const
	获取识别的词汇表。
std::string	recognize (InputArray frame) const
	给定 input 帧，创建输入 blob，运行网络并返回识别结果。
void	recognize (InputArray frame, InputArrayOfArrays roiRects, std::vector< std::string > &results) const
	给定 input 帧，创建输入 blob，运行网络并返回识别结果。
TextRecognitionModel &	setDecodeOptsCTCPrefixBeamSearch (int beamSize, int vocPruneSize=0)
	为 "CTC-prefix-beam-search" 解码使用设置解码方法选项。
TextRecognitionModel &	setDecodeType (const std::string &decodeType)
	设置将网络输出转换为字符串的解码方法。
TextRecognitionModel &	setVocabulary (const std::vector< std::string > &vocabulary)
	设置识别的词汇表。
从 cv::dnn::Model 继承的公共成员函数
	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 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)

附加继承的成员
从 cv::dnn::Model 继承的保护属性
Ptr< Impl >	impl

详细描述

此类表示文本识别网络的高级 API。

TextRecognitionModel 允许设置预处理输入图像的参数。TextRecognitionModel 从具有训练权重和配置的文件创建网络，设置预处理输入，运行前向传递并返回识别结果。对于 TextRecognitionModel，支持 CRNN-CTC。

示例

samples/dnn/text_detection.cpp.

构造函数 & 析构函数文档

TextRecognitionModel() [1/3]

cv::dnn::TextRecognitionModel::TextRecognitionModel

(

)

Python
	cv.dnn.TextRecognitionModel(	网络	) ->	<dnn_TextRecognitionModel 对象>
	cv.dnn.TextRecognitionModel(	model[, config]	) ->	<dnn_TextRecognitionModel 对象>

TextRecognitionModel() [2/3]

cv::dnn::TextRecognitionModel::TextRecognitionModel

(

const Net &

网络

)

Python
	cv.dnn.TextRecognitionModel(	网络	) ->	<dnn_TextRecognitionModel 对象>
	cv.dnn.TextRecognitionModel(	model[, config]	) ->	<dnn_TextRecognitionModel 对象>

从深度学习网络创建文本识别模型。构造函数之后调用 setDecodeType() 和 setVocabulary() 以初始化解码方法。

参数

[输入]

网络

Net 对象

TextRecognitionModel() [3/3]

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

inline

Python
	cv.dnn.TextRecognitionModel(	网络	) ->	<dnn_TextRecognitionModel 对象>
	cv.dnn.TextRecognitionModel(	model[, config]	) ->	<dnn_TextRecognitionModel 对象>

从以支持格式之一表示的网络创建文本识别模型。构造函数之后调用 setDecodeType() 和 setVocabulary() 以初始化解码方法。

参数

[输入]	model	二进制文件包含训练权重
[输入]	config	文本文件包含网络配置

此函数的调用图如下

成员函数文档

getDecodeType()

const std::string & cv::dnn::TextRecognitionModel::getDecodeType

(

)

const

Python
	cv.dnn.TextRecognitionModel.getDecodeType(		) ->	retval

获取解码方法。

返回

解码方法

getVocabulary()

const std::vector< std::string > & cv::dnn::TextRecognitionModel::getVocabulary

(

)

const

Python
	cv.dnn.TextRecognitionModel.getVocabulary(		) ->	retval

获取识别的词汇表。

返回

词汇表 相关词汇表

recognize() [1/2]

std::string cv::dnn::TextRecognitionModel::recognize

(

InputArray

frame

)

const

Python
	cv.dnn.TextRecognitionModel.recognize(	frame	) ->	retval
	cv.dnn.TextRecognitionModel.recognize(	帧, roiRects	) ->	结果

给定 input 帧，创建输入 blob，运行网络并返回识别结果。

参数

[输入]

frame

输入图像

返回

文本识别结果

recognize() [2/2]

void cv::dnn::TextRecognitionModel::recognize	(	InputArray	frame,
		InputArrayOfArrays	roiRects,
		std::vector< std::string > &	results ) const

Python
	cv.dnn.TextRecognitionModel.recognize(	frame	) ->	retval
	cv.dnn.TextRecognitionModel.recognize(	帧, roiRects	) ->	结果

给定 input 帧，创建输入 blob，运行网络并返回识别结果。

参数

[输入]	frame	输入图像
[输入]	roiRects	感兴趣文本检测区域的列表 (cv::Rect, CV_32SC4)。ROI 将被裁剪为网络输入
[输出]	结果	一组文本识别结果。

setDecodeOptsCTCPrefixBeamSearch()

TextRecognitionModel & cv::dnn::TextRecognitionModel::setDecodeOptsCTCPrefixBeamSearch	(	int	beamSize,
		int	vocPruneSize = 0 )

Python
	cv.dnn.TextRecognitionModel.setDecodeOptsCTCPrefixBeamSearch(	beamSize[, vocPruneSize]	) ->	retval

为 "CTC-prefix-beam-search" 解码使用设置解码方法选项。

参数

[输入]	beamSize	搜索的波束大小
[输入]	vocPruneSize	优化大型词汇表搜索的参数，在每个搜索步骤中仅获取前 vocPruneSize 个标记，vocPruneSize <= 0 表示禁用此剪枝。

setDecodeType()

TextRecognitionModel & cv::dnn::TextRecognitionModel::setDecodeType

(

const std::string &

decodeType

)

Python
	cv.dnn.TextRecognitionModel.setDecodeType(	decodeType	) ->	retval

设置将网络输出转换为字符串的解码方法。

参数

[输入]

decodeType

将网络输出转换为字符串的解码方法，目前支持的类型 "CTC-greedy" 基于 CTC 的方法的输出的贪婪解码 "CTC-prefix-beam-search" 基于 CTC 的方法的输出的前缀波束搜索解码

setVocabulary()

TextRecognitionModel & cv::dnn::TextRecognitionModel::setVocabulary

(

const std::vector< std::string > &

词汇表

)

Python
	cv.dnn.TextRecognitionModel.setVocabulary(	词汇表	) ->	retval

设置识别的词汇表。

参数

[输入]

词汇表

网络的关联词汇表。

---

此类文档是从以下文件生成的

• opencv2/dnn/dnn.hpp