命名空间
命名空间	accessor

命名空间	details

类
结构体	_Range

类	AbsLayer

类	AccumLayer

类	AcoshLayer

类	AcosLayer

类	激活层

类	ActivationLayerInt8

类	ArgLayer
	ArgMax/ArgMin 层。更多...

类	AsinhLayer

类	AsinLayer

类	AtanhLayer

类	AtanLayer

类	AttentionLayer

类	BackendNode
	此类的派生类封装了特定后端的功能。更多...

类	BackendWrapper
	此类的派生类为不同的后端和目标包装了 cv::Mat。更多...

类	BaseConvolutionLayer

类	BatchNormLayer

类	BatchNormLayerInt8

类	BlankLayer

类	BNLLLayer

类	CeilLayer

类	CeluLayer

类	ChannelsPReLULayer

类	ClassificationModel (分类模型)
	此类表示分类模型的高级 API。更多...

类	CompareLayer

类	ConcatLayer

类	ConstLayer

类	ConvolutionLayer（卷积层）

类	ConvolutionLayerInt8

类	CorrelationLayer

类	CoshLayer

类	CosLayer

类	CropAndResizeLayer

类	CropLayer

类	CumSumLayer

类	DataAugmentationLayer

类	反卷积层

类	DepthToSpaceLayer

类	DequantizeLayer

类	DetectionModel
	此类表示对象检测网络的高级 API。更多...

类	DetectionOutputLayer
	检测输出层。更多...

类	Dict
	此类实现了名称-值字典，其值是 DictValue 的实例。更多...

结构体	DictValue
	此结构存储以下类型之一的标量值（或数组）：double、cv::String 或 int64。更多...

类	EinsumLayer
	此函数根据爱因斯坦求和约定执行数组求和。该函数允许使用下标简洁地表达各种数学运算。更多...

类	EltwiseLayer
	对输入进行逐元素操作。更多...

类	EltwiseLayerInt8

类	ELULayer

类	ErfLayer

类	ExpandLayer

类	ExpLayer

类	FlattenLayer

类	FloorLayer

类	FlowWarpLayer

类	GatherElementsLayer
	GatherElements 层 GatherElements 接受两个输入：数据和相同秩 r >= 1 的索引，以及一个可选属性 axis，其工作方式如下：如果 axis = 0 且 r = 3，则 output[i][j][k] = data[index[i][j][k]][j][k]；如果 axis = 1 且 r = 3，则 output[i][j][k] = data[i][index[i][j][k]][k]；如果 axis = 2 且 r = 3，则 output[i][j][k] = data[i][j][index[i][j][k]]。更多...

类	GatherLayer
	Gather 层。更多...

类	GeluApproximationLayer

类	GeluLayer

类	GemmLayer

类	GroupNormLayer

类	GRULayer
	GRU 单层循环。更多...

类	HardSigmoidLayer

类	HardSwishLayer

结构体	Image2BlobParams
	图像转 Blob 的处理参数。更多...

类	InnerProductLayer

类	InnerProductLayerInt8

类	InstanceNormLayer

类	InterpLayer
	来自 https://github.com/cdmh/deeplab-public-ver2 的双线性调整层。更多...

类	KeypointsModel
	此类表示关键点模型的高级 API。更多...

类	Layer
	此接口类允许构建新层——它们是网络的构建块。更多...

类	LayerFactory
	层工厂允许创建已注册层的实例。更多...

类	LayerNormLayer

类	LayerParams
	此类提供初始化层所需的所有数据。更多...

类	LogLayer

类	LRNLayer

类	LSTMLayer
	LSTM 循环层。更多...

类	MatMulLayer

类	MaxUnpoolLayer

类	MishLayer

类	Model (模型)
	此类是神经网络的高级 API。更多...

类	MVNLayer

类	NaryEltwiseLayer

类	Net
	此类允许创建和操作综合性人工神经网络。更多...

类	NormalizeBBoxLayer
	\( L_p \) - 归一化层。更多...

类	NotLayer

类	PaddingLayer
	为特定轴添加额外值。更多...

类	PermuteLayer

类	PoolingLayer

类	PoolingLayerInt8

类	PowerLayer

类	PriorBoxLayer

类	ProposalLayer

类	QuantizeLayer

类	ReciprocalLayer

类	ReduceLayer

类	RegionLayer

类	ReLU6层

类	ReLULayer

类	ReorgLayer

类	RequantizeLayer

类	ReshapeLayer

类	ResizeLayer
	通过最近邻或双线性策略调整输入四维 blob 的大小。更多...

类	RNNLayer
	经典循环层。更多...

类	RoundLayer

类	ScaleLayer

类	ScaleLayerInt8

类	ScatterLayer

类	ScatterND层

类	SegmentationModel
	此类表示分割模型的高级 API。更多...

类	SeluLayer

类	ShiftLayer

类	ShiftLayerInt8

类	ShrinkLayer

类	ShuffleChannelLayer

类	SigmoidLayer

类	SignLayer

类	SinhLayer

类	SinLayer

类	SliceLayer

类	SoftmaxLayer

类	SoftmaxLayerInt8

类	SoftplusLayer

类	SoftsignLayer

类	SpaceToDepthLayer

类	SplitLayer

类	SqrtLayer

类	SwishLayer

类	TanHLayer

类	TanLayer

类	TextDetectionModel
	文本检测网络的基类。更多...

类	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	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	TextRecognitionModel
	此类表示文本识别网络的高级 API。更多...

类	ThresholdedReluLayer

类	TileLayer

类	TopKLayer

类型定义
typedef std::map< std::string, std::vector< LayerFactory::Constructor > >	LayerFactory_Impl

typedef std::vector< int >	MatShape

枚举
枚举	Backend { DNN_BACKEND_DEFAULT = 0 , DNN_BACKEND_HALIDE , DNN_BACKEND_INFERENCE_ENGINE , DNN_BACKEND_OPENCV , DNN_BACKEND_VKCOM , DNN_BACKEND_CUDA , DNN_BACKEND_WEBNN , DNN_BACKEND_TIMVX , DNN_BACKEND_CANN }
	层支持的计算后端枚举。更多...

枚举	DataLayout { DNN_LAYOUT_UNKNOWN = 0 , DNN_LAYOUT_ND = 1 , DNN_LAYOUT_NCHW = 2 , DNN_LAYOUT_NCDHW = 3 , DNN_LAYOUT_NHWC = 4 , DNN_LAYOUT_NDHWC = 5 , DNN_LAYOUT_PLANAR = 6 }
	用于模型推理的数据布局枚举。更多...

枚举	ImagePaddingMode { DNN_PMODE_NULL = 0 , DNN_PMODE_CROP_CENTER = 1 , DNN_PMODE_LETTERBOX = 2 }
	图像处理模式枚举。为了方便 dnn 模型预处理要求的专业化。例如，`letter box` 常用于 Yolo 系列模型。更多...

enum class	SoftNMSMethod { SoftNMSMethod::SOFTNMS_LINEAR = 1 , SoftNMSMethod::SOFTNMS_GAUSSIAN = 2 }
	Soft NMS 方法枚举。更多...

枚举	Target { DNN_TARGET_CPU = 0 , DNN_TARGET_OPENCL , DNN_TARGET_OPENCL_FP16 , DNN_TARGET_MYRIAD , DNN_TARGET_VULKAN , DNN_TARGET_FPGA , DNN_TARGET_CUDA , DNN_TARGET_CUDA_FP16 , DNN_TARGET_HDDL , DNN_TARGET_NPU , DNN_TARGET_CPU_FP16 }
	计算目标设备枚举。更多...

函数
Mat	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)
	从图像创建四维 blob。可选地从中心调整 `image` 大小并裁剪，减去 `mean` 值，通过 `scalefactor` 缩放值，交换蓝色和红色通道。

void	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	blobFromImages (InputArrayOfArrays images, double scalefactor=1.0, Size size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F)
	从一系列图像创建四维 blob。可选地从中心调整 `images` 大小并裁剪，减去 `mean` 值，通过 `scalefactor` 缩放值，交换蓝色和红色通道。

void	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)
	从系列图像创建4维Blob。

Mat	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	blobFromImagesWithParams (InputArrayOfArrays images, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())

Mat	blobFromImageWithParams (InputArray image, const Image2BlobParams &param=Image2BlobParams())
	根据给定参数从图像创建4维Blob。

void	blobFromImageWithParams (InputArray image, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())

static MatShape	concat (const MatShape &a, const MatShape &b)

void	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 > >	getAvailableBackends ()

std::vector< Target >	getAvailableTargets (dnn::Backend be)

cv::String	getInferenceEngineBackendType ()
	返回 Inference Engine 内部后端 API。

cv::String	getInferenceEngineCPUType ()
	返回 Inference Engine CPU 类型。

cv::String	getInferenceEngineVPUType ()
	返回 Inference Engine VPU 类型。

LayerFactory_Impl &	getLayerFactoryImpl ()

Mutex &	getLayerFactoryMutex ()
	获取守护 LayerFactory_Impl 的互斥锁，参见 getLayerFactoryImpl() 函数。

static Mat	getPlane (const Mat &m, int n, int cn)

void	imagesFromBlob (const cv::Mat &blob_, OutputArrayOfArrays images_)
	解析一个四维 blob，并通过更简单的数据结构 (std::vector<cv::Mat>) 将其包含的图像作为二维数组输出。

static bool	isAllOnes (const MatShape &inputShape, int startPos, int endPos)

void	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)
	对给定边界框和对应分数执行非极大值抑制。

void	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	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	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)
	对给定边界框和对应分数在不同类别上执行批处理非极大值抑制。

void	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)

static int	normalize_axis (int axis, const MatShape &shape)

static int	normalize_axis (int axis, int dims)
	将轴从 `[-dims; dims)`（类似于 Python 的切片表示法）转换为 `[0; dims)` 范围。

static Range	normalize_axis_range (const Range &r, int axisSize)

template<typename _Tp >
static std::ostream &	operator<< (std::ostream &out, const std::vector< _Tp > &shape)

template<typename _Tp >
static void	print (const std::vector< _Tp > &shape, const String &name="")

Net	readNet (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >())
	读取以受支持格式之一表示的深度学习网络。

Net	readNet (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="", const String &framework="")
	读取以受支持格式之一表示的深度学习网络。

Net	readNetFromCaffe (const char bufferProto, size_t lenProto, const char bufferModel=NULL, size_t lenModel=0)
	读取内存中以Caffe模型格式存储的网络模型。

Net	readNetFromCaffe (const std::vector< uchar > &bufferProto, const std::vector< uchar > &bufferModel=std::vector< uchar >())
	读取内存中以Caffe模型格式存储的网络模型。

Net	readNetFromCaffe (CV_WRAP_FILE_PATH const String &prototxt, CV_WRAP_FILE_PATH const String &caffeModel=String())
	读取以 Caffe 框架格式存储的网络模型。

Net	readNetFromDarknet (const char bufferCfg, size_t lenCfg, const char bufferModel=NULL, size_t lenModel=0)
	读取以 Darknet 模型文件格式存储的网络模型。

Net	readNetFromDarknet (const std::vector< uchar > &bufferCfg, const std::vector< uchar > &bufferModel=std::vector< uchar >())
	读取以 Darknet 模型文件格式存储的网络模型。

Net	readNetFromDarknet (CV_WRAP_FILE_PATH const String &cfgFile, CV_WRAP_FILE_PATH const String &darknetModel=String())
	读取以 Darknet 模型文件格式存储的网络模型。

Net	readNetFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights)
	从 Intel 的 Model Optimizer 中间表示加载网络。

Net	readNetFromModelOptimizer (const uchar bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar bufferWeightsPtr, size_t bufferWeightsSize)
	从 Intel 的 Model Optimizer 中间表示加载网络。

Net	readNetFromModelOptimizer (CV_WRAP_FILE_PATH const String &xml, CV_WRAP_FILE_PATH const String &bin="")
	从 Intel 的 Model Optimizer 中间表示加载网络。

Net	readNetFromONNX (const char *buffer, size_t sizeBuffer)
	从 ONNX 内存缓冲区读取网络模型。

Net	readNetFromONNX (const std::vector< uchar > &buffer)
	从 ONNX 内存缓冲区读取网络模型。

Net	readNetFromONNX (CV_WRAP_FILE_PATH const String &onnxFile)
	读取 ONNX 网络模型。

Net	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	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	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	readNetFromTFLite (const char *bufferModel, size_t lenModel)
	读取以 TFLite 框架格式存储的网络模型。

Net	readNetFromTFLite (const std::vector< uchar > &bufferModel)
	读取以 TFLite 框架格式存储的网络模型。

Net	readNetFromTFLite (CV_WRAP_FILE_PATH const String &model)
	读取以 TFLite 框架格式存储的网络模型。

Net	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	readTensorFromONNX (CV_WRAP_FILE_PATH const String &path)
	从 .pb 文件创建Blob。

Mat	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	releaseHDDLPlugin ()
	释放 HDDL 插件。

void	resetMyriadDevice ()
	释放 Myriad 设备（由 OpenCV 绑定）。

cv::String	setInferenceEngineBackendType (const cv::String &newBackendType)
	指定 Inference Engine 内部后端 API。

static MatShape	shape (const int *dims, const int n)

static MatShape	shape (const Mat &mat)

static MatShape	shape (const MatSize &sz)

static MatShape	shape (const UMat &mat)

static MatShape	shape (int a0, int a1=-1, int a2=-1, int a3=-1)

void	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	skipModelImport (bool skip)
	在 readNet() 函数的诊断运行后跳过模型导入。

static Mat	slice (const Mat &m, const _Range &r0)

static Mat	slice (const Mat &m, const _Range &r0, const _Range &r1)

static Mat	slice (const Mat &m, const _Range &r0, const _Range &r1, const _Range &r2)

static Mat	slice (const Mat &m, const _Range &r0, const _Range &r1, const _Range &r2, const _Range &r3)

void	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)
	对给定边界框和对应分数执行软非极大值抑制。参考：https://arxiv.org/abs/1704.04503。

template<typename _Tp >
cv::toLowerCase (const std::string &str)	toString (const std::vector< _Tp > &shape, const String &name="")

static int	total (const Mat &mat, int start=-1, int end=-1)

static int	total (const MatShape &shape, int start=-1, int end=-1)

void	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。

函数文档

◆ concat()

static MatShape cv::dnn::concat	(	const MatShape &	a,
		const MatShape &	b )

inlinestatic

◆ getInferenceEngineBackendType()

cv::String cv::dnn::getInferenceEngineBackendType ( )

返回 Inference Engine 内部后端 API。

请参阅 CV_DNN_BACKEND_INFERENCE_ENGINE_* 宏的值。

自 4.6.0 版本起，OPENCV_DNN_BACKEND_INFERENCE_ENGINE_TYPE 运行时参数（环境变量）将被忽略。

已弃用

◆ getInferenceEngineCPUType()

cv::String cv::dnn::getInferenceEngineCPUType ( )

返回 Inference Engine CPU 类型。

指定 OpenVINO 插件：CPU 或 ARM。

◆ getInferenceEngineVPUType()

cv::String cv::dnn::getInferenceEngineVPUType ( )

返回 Inference Engine VPU 类型。

请参阅 CV_DNN_INFERENCE_ENGINE_VPU_TYPE_* 宏的值。

◆ getPlane()

static Mat cv::dnn::getPlane	(	const Mat &	m,
		int	n,
		int	cn )

inlinestatic

此函数的调用图如下

◆ isAllOnes()

static bool cv::dnn::isAllOnes	(	const MatShape &	inputShape,
		int	startPos,
		int	endPos )

inlinestatic

◆ normalize_axis() [1/2]

static int cv::dnn::normalize_axis	(	int	axis（轴）,
		const MatShape &	shape )

inlinestatic

此函数的调用图如下

◆ normalize_axis() [2/2]

static int cv::dnn::normalize_axis	(	int	axis（轴）,
		int	dims )

inlinestatic

将轴从 [-dims; dims)（类似于 Python 的切片表示法）转换为 [0; dims) 范围。

◆ normalize_axis_range()

static Range cv::dnn::normalize_axis_range	(	const Range &	r,
		int	axisSize )

inlinestatic

此函数的调用图如下

◆ operator<<()

template<typename _Tp >

static std::ostream & cv::dnn::operator<<	(	std::ostream &	输出3D仿射变换矩阵，尺寸为\(3 \times 4\)，形式如下,
		const std::vector< _Tp > &	shape )

inlinestatic

此函数的调用图如下

◆ print()

template<typename _Tp >

static void cv::dnn::print	(	const std::vector< _Tp > &	shape,
		const String &	name = "" )

inlinestatic

此函数的调用图如下

◆ releaseHDDLPlugin()

void cv::dnn::releaseHDDLPlugin ( )

释放 HDDL 插件。

◆ resetMyriadDevice()

void cv::dnn::resetMyriadDevice ( )

释放 Myriad 设备（由 OpenCV 绑定）。

使用 Inference Engine 的 Myriad 插件时，单个 Myriad 设备无法跨多个进程共享。

◆ setInferenceEngineBackendType()

cv::String cv::dnn::setInferenceEngineBackendType ( const cv::String & newBackendType )

指定 Inference Engine 内部后端 API。

请参阅 CV_DNN_BACKEND_INFERENCE_ENGINE_* 宏的值。

返回: 内部后端 API 的先前值

已弃用

◆ shape() [1/5]

static MatShape cv::dnn::shape	(	const int *	dims,
		const int	n )

inlinestatic

此函数的调用图如下

◆ shape() [2/5]

static MatShape cv::dnn::shape ( const Mat & mat )

inlinestatic

此函数的调用图如下

◆ shape() [3/5]

static MatShape cv::dnn::shape ( const MatSize & sz )

inlinestatic

此函数的调用图如下

◆ shape() [4/5]

static MatShape cv::dnn::shape ( const UMat & mat )

inlinestatic

此函数的调用图如下

◆ shape() [5/5]

static MatShape cv::dnn::shape	(	int	a0,
		int	a1 = -1,
		int	a2 = -1,
		int	a3 = -1 )

inlinestatic

此函数的调用图如下

◆ skipModelImport()

void cv::dnn::skipModelImport ( bool skip )

在 readNet() 函数的诊断运行后跳过模型导入。

参数

[输入] skip 指示是否跳过导入。

这是一个内部 OpenCV 函数，不面向用户。

◆ slice() [1/4]

static Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0 )

inlinestatic

此函数的调用图如下

◆ slice() [2/4]

static Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0,
		const _Range &	r1 )

inlinestatic

此函数的调用图如下

◆ slice() [3/4]

static Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0,
		const _Range &	r1,
		const _Range &	r2 )

inlinestatic

此函数的调用图如下

◆ slice() [4/4]

static Mat cv::dnn::slice	(	const Mat &	m,
		const _Range &	r0,
		const _Range &	r1,
		const _Range &	r2,
		const _Range &	r3 )

inlinestatic

此函数的调用图如下

◆ toString()

template<typename _Tp >

static std::string cv::dnn::toString	(	const std::vector< _Tp > &	shape,
		const String &	name = "" )

inlinestatic

此函数的调用图如下

◆ total() [1/2]

static int cv::dnn::total	(	const Mat &	mat,
		int	start = -1,
		int	end = -1 )

inlinestatic

此函数的调用图如下

◆ total() [2/2]

static int cv::dnn::total	(	const MatShape &	shape,
		int	start = -1,
		int	end = -1 )

inlinestatic

此函数的调用图如下

命名空间

类

类型定义

枚举

函数

函数文档

◆ concat()

◆ getInferenceEngineBackendType()

◆ getInferenceEngineCPUType()

◆ getInferenceEngineVPUType()

◆ getPlane()

◆ isAllOnes()

◆ normalize_axis() [1/2]

◆ normalize_axis() [2/2]

◆ normalize_axis_range()

◆ operator<<()

◆ print()

◆ releaseHDDLPlugin()

◆ resetMyriadDevice()

◆ setInferenceEngineBackendType()

◆ shape() [1/5]

◆ shape() [2/5]

◆ shape() [3/5]

◆ shape() [4/5]

◆ shape() [5/5]

◆ skipModelImport()

◆ slice() [1/4]

◆ slice() [2/4]

◆ slice() [3/4]

◆ slice() [4/4]

◆ toString()

◆ total() [1/2]

◆ total() [2/2]