cv::dnn::TextRecognitionModel 類參考

此類表示文字識別網路的高階 API。 更多...

#include <opencv2/dnn/dnn.hpp>

cv::dnn::TextRecognitionModel 的協作圖

公共成員函式
	TextRecognitionModel ()
	TextRecognitionModel (const Net &network)
	從深度學習網路建立文字識別模型。建構函式之後呼叫 setDecodeType() 和 setVocabulary() 以初始化解碼方法。
	TextRecognitionModel (CV_WRAP_FILE_PATH const std::string &model, CV_WRAP_FILE_PATH const std::string &config="")
	從以支援格式之一表示的網路建立文字識別模型。建構函式之後呼叫 setDecodeType() 和 setVocabulary() 以初始化解碼方法。
const std::string &	getDecodeType () const
	獲取解碼方法。
const std::vector< std::string > &	getVocabulary () const
	獲取識別的詞彙表。
std::string	recognize (InputArray frame) const
	給定 input 幀，建立輸入 blob，執行網路並返回識別結果。
void	recognize (InputArray frame, InputArrayOfArrays roiRects, std::vector< std::string > &results) const
	給定 input 幀，建立輸入 blob，執行網路並返回識別結果。
TextRecognitionModel &	setDecodeOptsCTCPrefixBeamSearch (int beamSize, int vocPruneSize=0)
	為 "CTC-prefix-beam-search" 解碼使用設定解碼方法選項。
TextRecognitionModel &	setDecodeType (const std::string &decodeType)
	設定將網路輸出轉換為字串的解碼方法。
TextRecognitionModel &	setVocabulary (const std::vector< std::string > &vocabulary)
	設定識別的詞彙表。
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)

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

詳細描述

此類表示文字識別網路的高階 API。

TextRecognitionModel 允許設定預處理輸入影像的引數。TextRecognitionModel 從具有訓練權重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識別結果。對於 TextRecognitionModel，支援 CRNN-CTC。

示例

samples/dnn/text_detection.cpp.

建構函式 & 解構函式文件

TextRecognitionModel() [1/3]

cv::dnn::TextRecognitionModel::TextRecognitionModel

(

)

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

TextRecognitionModel() [2/3]

cv::dnn::TextRecognitionModel::TextRecognitionModel

(

const Net &

網路

)

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

從深度學習網路建立文字識別模型。建構函式之後呼叫 setDecodeType() 和 setVocabulary() 以初始化解碼方法。

引數

[輸入]

網路

Net 物件

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(	網路	) ->	<dnn_TextRecognitionModel 物件>
	cv.dnn.TextRecognitionModel(	model[, config]	) ->	<dnn_TextRecognitionModel 物件>

從以支援格式之一表示的網路建立文字識別模型。建構函式之後呼叫 setDecodeType() 和 setVocabulary() 以初始化解碼方法。

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

getDecodeType()

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

(

)

const

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

獲取解碼方法。

返回

解碼方法

getVocabulary()

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

(

)

const

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

獲取識別的詞彙表。

返回

詞彙表 相關詞彙表

recognize() [1/2]

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

(

InputArray

frame

)

const

Python
	cv.dnn.TextRecognitionModel.recognize(	frame	) ->	retval
	cv.dnn.TextRecognitionModel.recognize(	幀, roiRects	) ->	結果

給定 input 幀，建立輸入 blob，執行網路並返回識別結果。

引數

[輸入]

frame

輸入影像

返回

文字識別結果

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(	幀, roiRects	) ->	結果

給定 input 幀，建立輸入 blob，執行網路並返回識別結果。

引數

[輸入]	frame	輸入影像
[輸入]	roiRects	感興趣文字檢測區域的列表 (cv::Rect, CV_32SC4)。ROI 將被裁剪為網路輸入
[輸出]	結果	一組文字識別結果。

setDecodeOptsCTCPrefixBeamSearch()

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

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

為 "CTC-prefix-beam-search" 解碼使用設定解碼方法選項。

引數

[輸入]	beamSize	搜尋的波束大小
[輸入]	vocPruneSize	最佳化大型詞彙表搜尋的引數，在每個搜尋步驟中僅獲取前 vocPruneSize 個標記，vocPruneSize <= 0 表示停用此剪枝。

setDecodeType()

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

(

const std::string &

decodeType

)

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

設定將網路輸出轉換為字串的解碼方法。

引數

[輸入]

decodeType

將網路輸出轉換為字串的解碼方法，目前支援的型別 "CTC-greedy" 基於 CTC 的方法的輸出的貪婪解碼 "CTC-prefix-beam-search" 基於 CTC 的方法的輸出的字首波束搜尋解碼

setVocabulary()

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

(

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

詞彙表

)

Python
	cv.dnn.TextRecognitionModel.setVocabulary(	詞彙表	) ->	retval

設定識別的詞彙表。

引數

[輸入]

詞彙表

網路的關聯詞彙表。

---

此類文件是從以下檔案生成的

• opencv2/dnn/dnn.hpp