文字檢測網路基類。更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::TextDetectionModel 的協作圖

公共成員函式
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
	執行檢測。

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

void	detectTextRectangles (InputArray frame, std::vector< cv::RotatedRect > &detections, std::vector< float > &confidences) const
	執行檢測。

繼承自 cv::dnn::Model 的公共成員函式
	Model (模型) ()

	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 scalefactor 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)

保護成員函式
	TextDetectionModel ()

其他繼承的成員
繼承自 cv::dnn::Model 的保護屬性
Ptr< Impl >	impl

詳細描述

文字檢測網路基類。

建構函式 & 解構函式文件

◆ TextDetectionModel()

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

保護

成員函式文件

◆ 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	) ->	檢測

這是一個過載的成員函式，為了方便而提供。它與上述函式的不同之處僅在於它接受的引數。

◆ detect() [2/2]

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

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

執行檢測。

給定輸入 frame，準備網路輸入，執行網路推理，後處理網路輸出並返回結果檢測。

每個結果是四邊形的 4 個點，順序如下

左下
左上
右上
右下

使用 cv::getPerspectiveTransform 函式檢索沒有透視變換的影像區域。

注意: 如果 DL 模型不支援該型別的輸出，則結果可能來自 detectTextRectangles() 輸出。

引數

[輸入]	frame	輸入影像
[輸出]	檢測	具有檢測到的四邊形的陣列（每個結果 4 個點）
[輸出]	confidences	具有檢測置信度的陣列

◆ 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	) ->	檢測

這是一個過載的成員函式，為了方便而提供。它與上述函式的不同之處僅在於它接受的引數。

◆ detectTextRectangles() [2/2]

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

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

執行檢測。

給定輸入 frame，準備網路輸入，執行網路推理，後處理網路輸出並返回結果檢測。

每個結果都是旋轉的矩形。

注意: 在強透視變換的情況下，結果可能不準確。

引數

[輸入]	frame	輸入影像
[輸出]	檢測	具有檢測到的 RotationRect 結果的陣列
[輸出]	confidences	具有檢測置信度的陣列

該類的文件由以下檔案生成

opencv2/dnn/dnn.hpp

公共成員函式

保護成員函式

其他繼承的成員