cv::dnn::DetectionModel 類參考

此類代表用於目標檢測網路的高階 API。 更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::DetectionModel 的協作圖

公共成員函式
	DetectionModel ()
	DetectionModel (const Net &network)
	從深度學習網路建立模型。
	DetectionModel (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="")
	從支援的格式之一表示的網路建立檢測模型。 model 和 config 引數的順序無關緊要。
void	detect (InputArray frame, std::vector< int > &classIds, std::vector< float > &confidences, std::vector< Rect > &boxes, float confThreshold=0.5f, float nmsThreshold=0.0f)
	給定 input 幀，建立輸入 blob，執行網路並返回結果檢測。
bool	getNmsAcrossClasses ()
	nmsAcrossClasses 的 Getter。此變數預設為 false，這樣在 detect() 函式期間使用非最大值抑制時，它將僅按類執行。
DetectionModel &	setNmsAcrossClasses (bool value)
	nmsAcrossClasses 預設為 false，這樣在 detect() 函式期間使用非最大值抑制時，它將按類執行。此函式允許您切換此行為。
從 cv::dnn::Model 繼承的公共成員函式
	Model ()
	Model (const Model &)=default
	Model (const Net &network)
	從深度學習網路建立模型。
	Model (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="")
	從支援的格式之一表示的深度學習網路建立模型。 model 和 config 引數的順序無關緊要。
	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
	給定 input 幀，建立輸入 blob，執行網路並返回輸出 blobs。
Model &	setInputCrop (bool crop)
	設定幀的 crop 標誌。
Model &	setInputMean (const Scalar &mean)
	設定幀的平均值。
void	setInputParams (double scale=1.0, const Size &size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false)
	設定幀的預處理引數。
Model &	setInputScale (const Scalar &scale)
	設定幀的縮放因子值。
Model &	setInputSize (const Size &size)
	設定幀的輸入大小。
Model &	setInputSize (int width, int height)
Model &	setInputSwapRB (bool swapRB)
	設定幀的 swapRB 標誌。
Model &	setOutputNames (const std::vector< String > &outNames)
	設定幀的輸出名稱。
Model &	setPreferableBackend (dnn::Backend backendId)
Model &	setPreferableTarget (dnn::Target targetId)

其他繼承的成員
從 cv::dnn::Model 繼承的受保護屬性
Ptr< Impl >	impl

詳細描述

此類代表用於目標檢測網路的高階 API。

DetectionModel 允許設定預處理輸入影像的引數。 DetectionModel 從帶有訓練權重的和配置的檔案建立網路，設定預處理輸入，執行前向傳遞並返回結果檢測。 對於 DetectionModel，支援 SSD、Faster R-CNN、YOLO 拓撲。

建構函式 & 解構函式文件

DetectionModel() [1/3]

cv::dnn::DetectionModel::DetectionModel	(	CV_WRAP_FILE_PATH const String &	model,
		CV_WRAP_FILE_PATH const String &	config = "" )

Python
	cv.dnn.DetectionModel(	model[, config]	) ->	<dnn_DetectionModel 物件>
	cv.dnn.DetectionModel(	network	) ->	<dnn_DetectionModel 物件>

從支援的格式之一表示的網路建立檢測模型。 model 和 config 引數的順序無關緊要。

引數

[輸入]	model	包含訓練權重的二進位制檔案。
[輸入]	config	包含網路配置的文字檔案。

DetectionModel() [2/3]

cv::dnn::DetectionModel::DetectionModel

(

const Net &

network

)

Python
	cv.dnn.DetectionModel(	model[, config]	) ->	<dnn_DetectionModel 物件>
	cv.dnn.DetectionModel(	network	) ->	<dnn_DetectionModel 物件>

從深度學習網路建立模型。

引數

[輸入]

network

Net 物件。

DetectionModel() [3/3]

cv::dnn::DetectionModel::DetectionModel

(

)

Python
	cv.dnn.DetectionModel(	model[, config]	) ->	<dnn_DetectionModel 物件>
	cv.dnn.DetectionModel(	network	) ->	<dnn_DetectionModel 物件>

成員函式文件

detect()

void cv::dnn::DetectionModel::detect	(	InputArray	frame,
		std::vector< int > &	classIds,
		std::vector< float > &	confidences,
		std::vector< Rect > &	boxes,
		float	confThreshold = 0.5f,
		float	nmsThreshold = 0.0f )

Python
	cv.dnn.DetectionModel.detect(	frame[, confThreshold[, nmsThreshold]]	) ->	classIds, confidences, boxes

給定 input 幀，建立輸入 blob，執行網路並返回結果檢測。

引數

[輸入]	frame	輸入影像。
[輸出]	classIds	結果檢測中的類索引。
[輸出]	confidences	一組相應的置信度。
[輸出]	boxes	一組邊界框。
[輸入]	confThreshold	用於按置信度過濾框的閾值。
[輸入]	nmsThreshold	非最大值抑制中使用的閾值。

getNmsAcrossClasses()

bool cv::dnn::DetectionModel::getNmsAcrossClasses

(

)

Python
	cv.dnn.DetectionModel.getNmsAcrossClasses(		) ->	retval

nmsAcrossClasses 的 Getter。此變數預設為 false，這樣在 detect() 函式期間使用非最大值抑制時，它將僅按類執行。

setNmsAcrossClasses()

DetectionModel & cv::dnn::DetectionModel::setNmsAcrossClasses

(

bool

值

)

Python
	cv.dnn.DetectionModel.setNmsAcrossClasses(	值	) ->	retval

nmsAcrossClasses 預設為 false，這樣在 detect() 函式期間使用非最大值抑制時，它將按類執行。此函式允許您切換此行為。

引數

[輸入]

值

nmsAcrossClasses 的新值

---

此類文件由以下檔案生成

• opencv2/dnn/dnn.hpp