此類表示與 DB 模型相容的文字檢測 DL 網路的高階 API。更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::TextDetectionModel_DB 的協作圖

公共成員函式
	TextDetectionModel_DB ()

	TextDetectionModel_DB (const Net &network)
	從深度學習網路建立文字檢測演算法。

	TextDetectionModel_DB (CV_WRAP_FILE_PATH const std::string &model, CV_WRAP_FILE_PATH const std::string &config="")
	從以受支援格式之一表示的網路建立文字檢測模型。 `model` 和 `config` 引數的順序無關緊要。

float	getBinaryThreshold () const

int	getMaxCandidates () const

float	getPolygonThreshold () const

double	getUnclipRatio () const

TextDetectionModel_DB &	setBinaryThreshold (float binaryThreshold)

TextDetectionModel_DB &	setMaxCandidates (int maxCandidates)

TextDetectionModel_DB &	setPolygonThreshold (float polygonThreshold)

TextDetectionModel_DB &	setUnclipRatio (double unclipRatio)

從 cv::dnn::TextDetectionModel 繼承的公共成員函式
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。

從 cv::dnn::Model 繼承的公共成員函式
	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="")
	從以受支援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)

其他繼承的成員
從 cv::dnn::TextDetectionModel 繼承的保護成員函式
	TextDetectionModel ()

從 cv::dnn::Model 繼承的保護屬性
Ptr< Impl >	impl

詳細描述

此類表示與 DB 模型相容的文字檢測 DL 網路的高階 API。

相關出版物：[169] 論文：https://arxiv.org/abs/1911.08947 有關超引數設定的更多資訊，請參閱 https://github.com/MhLiao/DB

可配置引數

(float) binaryThreshold - 二值圖的閾值。通常設定為 0.3。
(float) polygonThreshold - 文字多邊形的閾值。通常設定為 0.5、0.6 和 0.7。預設值為 0.5f
(double) unclipRatio - 檢測到的文字區域的 unclip 比率，它決定了輸出大小。通常設定為 2.0。
(int) maxCandidates - 輸出結果的最大數量。

建構函式 & 解構函式文件

◆ TextDetectionModel_DB() [1/3]

cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB ( )

Python
	cv.dnn.TextDetectionModel_DB(	網路	) ->	<dnn_TextDetectionModel_DB 物件>
	cv.dnn.TextDetectionModel_DB(	model[, config]	) ->	<dnn_TextDetectionModel_DB 物件>

◆ TextDetectionModel_DB() [2/3]

cv::dnn::TextDetectionModel_DB::TextDetectionModel_DB ( const Net & 網路 )

Python
	cv.dnn.TextDetectionModel_DB(	網路	) ->	<dnn_TextDetectionModel_DB 物件>
	cv.dnn.TextDetectionModel_DB(	model[, config]	) ->	<dnn_TextDetectionModel_DB 物件>

從深度學習網路建立文字檢測演算法。

引數

[輸入] 網路 Net 物件。

◆ TextDetectionModel_DB() [3/3]

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

inline

Python
	cv.dnn.TextDetectionModel_DB(	網路	) ->	<dnn_TextDetectionModel_DB 物件>
	cv.dnn.TextDetectionModel_DB(	model[, config]	) ->	<dnn_TextDetectionModel_DB 物件>

從以受支援格式之一表示的網路建立文字檢測模型。 model 和 config 引數的順序無關緊要。

引數

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

此函式的呼叫圖如下

成員函式文件

◆ getBinaryThreshold()

float cv::dnn::TextDetectionModel_DB::getBinaryThreshold ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getBinaryThreshold(		) ->	retval

◆ getMaxCandidates()

int cv::dnn::TextDetectionModel_DB::getMaxCandidates ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getMaxCandidates(		) ->	retval

◆ getPolygonThreshold()

float cv::dnn::TextDetectionModel_DB::getPolygonThreshold ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getPolygonThreshold(		) ->	retval

◆ getUnclipRatio()

double cv::dnn::TextDetectionModel_DB::getUnclipRatio ( ) const

Python
	cv.dnn.TextDetectionModel_DB.getUnclipRatio(		) ->	retval

◆ setBinaryThreshold()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setBinaryThreshold ( float binaryThreshold )

Python
	cv.dnn.TextDetectionModel_DB.setBinaryThreshold(	binaryThreshold	) ->	retval

◆ setMaxCandidates()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setMaxCandidates ( int maxCandidates )

Python
	cv.dnn.TextDetectionModel_DB.setMaxCandidates(	maxCandidates	) ->	retval

◆ setPolygonThreshold()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setPolygonThreshold ( float polygonThreshold )

Python
	cv.dnn.TextDetectionModel_DB.setPolygonThreshold(	polygonThreshold	) ->	retval

◆ setUnclipRatio()

TextDetectionModel_DB & cv::dnn::TextDetectionModel_DB::setUnclipRatio ( double unclipRatio )

Python
	cv.dnn.TextDetectionModel_DB.setUnclipRatio(	unclipRatio	) ->	retval

此類的文件由以下檔案生成

opencv2/dnn/dnn.hpp

公共成員函式

其他繼承的成員