名稱空間
名稱空間	accessor

名稱空間	details

類
結構體	_Range

類	AbsLayer

類	AccumLayer

類	AcoshLayer

類	AcosLayer

類	啟用層

類	ActivationLayerInt8

類	ArgLayer
	ArgMax/ArgMin 層。更多...

類	AsinhLayer

類	AsinLayer

類	AtanhLayer

類	AtanLayer

類	AttentionLayer

類	BackendNode
	此類的派生類封裝了特定後端的功能。更多...

類	BackendWrapper
	此類的派生類為不同的後端和目標包裝了 cv::Mat。更多...

類	BaseConvolutionLayer

類	BatchNormLayer

類	BatchNormLayerInt8

類	BlankLayer

類	BNLLLayer

類	CeilLayer

類	CeluLayer

類	ChannelsPReLULayer

類	ClassificationModel (分類模型)
	此類表示分類模型的高階 API。更多...

類	CompareLayer

類	ConcatLayer

類	ConstLayer

類	ConvolutionLayer（卷積層）

類	ConvolutionLayerInt8

類	CorrelationLayer

類	CoshLayer

類	CosLayer

類	CropAndResizeLayer

類	CropLayer

類	CumSumLayer

類	DataAugmentationLayer

類	反捲積層

類	DepthToSpaceLayer

類	DequantizeLayer

類	DetectionModel
	此類表示物件檢測網路的高階 API。更多...

類	DetectionOutputLayer
	檢測輸出層。更多...

類	Dict
	此類實現了名稱-值字典，其值是 DictValue 的例項。更多...

結構體	DictValue
	此結構儲存以下型別之一的標量值（或陣列）：double、cv::String 或 int64。更多...

類	EinsumLayer
	此函式根據愛因斯坦求和約定執行陣列求和。該函式允許使用下標簡潔地表達各種數學運算。更多...

類	EltwiseLayer
	對輸入進行逐元素操作。更多...

類	EltwiseLayerInt8

類	ELULayer

類	ErfLayer

類	ExpandLayer

類	ExpLayer

類	FlattenLayer

類	FloorLayer

類	FlowWarpLayer

類	GatherElementsLayer
	GatherElements 層 GatherElements 接受兩個輸入：資料和相同秩 r >= 1 的索引，以及一個可選屬性 axis，其工作方式如下：如果 axis = 0 且 r = 3，則 output[i][j][k] = data[index[i][j][k]][j][k]；如果 axis = 1 且 r = 3，則 output[i][j][k] = data[i][index[i][j][k]][k]；如果 axis = 2 且 r = 3，則 output[i][j][k] = data[i][j][index[i][j][k]]。更多...

類	GatherLayer
	Gather 層。更多...

類	GeluApproximationLayer

類	GeluLayer

類	GemmLayer

類	GroupNormLayer

類	GRULayer
	GRU 單層迴圈。更多...

類	HardSigmoidLayer

類	HardSwishLayer

結構體	Image2BlobParams
	影像轉 Blob 的處理引數。更多...

類	InnerProductLayer

類	InnerProductLayerInt8

類	InstanceNormLayer

類	InterpLayer
	來自 https://github.com/cdmh/deeplab-public-ver2 的雙線性調整層。更多...

類	KeypointsModel
	此類表示關鍵點模型的高階 API。更多...

類	Layer
	此介面類允許構建新層——它們是網路的構建塊。更多...

類	LayerFactory
	層工廠允許建立已註冊層的例項。更多...

類	LayerNormLayer

類	LayerParams
	此類提供初始化層所需的所有資料。更多...

類	LogLayer

類	LRNLayer

類	LSTMLayer
	LSTM 迴圈層。更多...

類	MatMulLayer

類	MaxUnpoolLayer

類	MishLayer

類	Model (模型)
	此類是神經網路的高階 API。更多...

類	MVNLayer

類	NaryEltwiseLayer

類	Net
	此類允許建立和操作綜合性人工神經網路。更多...

類	NormalizeBBoxLayer
	\( L_p \) - 歸一化層。更多...

類	NotLayer

類	PaddingLayer
	為特定軸新增額外值。更多...

類	PermuteLayer

類	PoolingLayer

類	PoolingLayerInt8

類	PowerLayer

類	PriorBoxLayer

類	ProposalLayer

類	QuantizeLayer

類	ReciprocalLayer

類	ReduceLayer

類	RegionLayer

類	ReLU6層

類	ReLULayer

類	ReorgLayer

類	RequantizeLayer

類	ReshapeLayer

類	ResizeLayer
	透過最近鄰或雙線性策略調整輸入四維 blob 的大小。更多...

類	RNNLayer
	經典迴圈層。更多...

類	RoundLayer

類	ScaleLayer

類	ScaleLayerInt8

類	ScatterLayer

類	ScatterND層

類	SegmentationModel
	此類表示分割模型的高階 API。更多...

類	SeluLayer

類	ShiftLayer

類	ShiftLayerInt8

類	ShrinkLayer

類	ShuffleChannelLayer

類	SigmoidLayer

類	SignLayer

類	SinhLayer

類	SinLayer

類	SliceLayer

類	SoftmaxLayer

類	SoftmaxLayerInt8

類	SoftplusLayer

類	SoftsignLayer

類	SpaceToDepthLayer

類	SplitLayer

類	SqrtLayer

類	SwishLayer

類	TanHLayer

類	TanLayer

類	TextDetectionModel
	文字檢測網路的基類。更多...

類	TextDetectionModel_DB
	此類表示與 DB 模型相容的文字檢測 DL 網路的高階 API。更多...

類	TextDetectionModel_EAST
	此類表示與 EAST 模型相容的文字檢測 DL 網路的高階 API。更多...

類	TextRecognitionModel
	此類表示文字識別網路的高階 API。更多...

類	ThresholdedReluLayer

類	TileLayer

類	TopKLayer

型別定義
typedef std::map< std::string, std::vector< LayerFactory::Constructor > >	LayerFactory_Impl

typedef std::vector< int >	MatShape

列舉
列舉	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 }
	層支援的計算後端列舉。更多...

列舉	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 }
	用於模型推理的資料佈局列舉。更多...

列舉	ImagePaddingMode { DNN_PMODE_NULL = 0 , DNN_PMODE_CROP_CENTER = 1 , DNN_PMODE_LETTERBOX = 2 }
	影像處理模式列舉。為了方便 dnn 模型預處理要求的專業化。例如，`letter box` 常用於 Yolo 系列模型。更多...

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

列舉	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 }
	計算目標裝置列舉。更多...

函式
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)
	從影像建立四維 blob。可選地從中心調整 `image` 大小並裁剪，減去 `mean` 值，透過 `scalefactor` 縮放值，交換藍色和紅色通道。

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)
	從影像建立4維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)
	從一系列影像建立四維 blob。可選地從中心調整 `images` 大小並裁剪，減去 `mean` 值，透過 `scalefactor` 縮放值，交換藍色和紅色通道。

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)
	從系列影像建立4維Blob。

Mat	blobFromImagesWithParams (InputArrayOfArrays images, const Image2BlobParams &param=Image2BlobParams())
	使用給定引數從一系列影像建立四維 blob。

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

Mat	blobFromImageWithParams (InputArray image, const Image2BlobParams &param=Image2BlobParams())
	根據給定引數從影像建立4維Blob。

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

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

void	enableModelDiagnostics (bool isDiagnosticsMode)
	啟用使用 CV DNN API 載入 DNN 模型的詳細日誌記錄。

std::vector< std::pair< Backend, Target > >	getAvailableBackends ()

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

cv::String	getInferenceEngineBackendType ()
	返回 Inference Engine 內部後端 API。

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

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

LayerFactory_Impl &	getLayerFactoryImpl ()

Mutex &	getLayerFactoryMutex ()
	獲取守護 LayerFactory_Impl 的互斥鎖，參見 getLayerFactoryImpl() 函式。

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

void	imagesFromBlob (const cv::Mat &blob_, OutputArrayOfArrays images_)
	解析一個四維 blob，並透過更簡單的資料結構 (std::vector<cv::Mat>) 將其包含的影像作為二維陣列輸出。

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)
	對給定邊界框和對應分數執行非極大值抑制。

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)
	對給定邊界框和對應分數在不同類別上執行批處理非極大值抑制。

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)
	將軸從 `[-dims; dims)`（類似於 Python 的切片表示法）轉換為 `[0; dims)` 範圍。

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 >())
	讀取以受支援格式之一表示的深度學習網路。

Net	readNet (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="", const String &framework="")
	讀取以受支援格式之一表示的深度學習網路。

Net	readNetFromCaffe (const char bufferProto, size_t lenProto, const char bufferModel=NULL, size_t lenModel=0)
	讀取記憶體中以Caffe模型格式儲存的網路模型。

Net	readNetFromCaffe (const std::vector< uchar > &bufferProto, const std::vector< uchar > &bufferModel=std::vector< uchar >())
	讀取記憶體中以Caffe模型格式儲存的網路模型。

Net	readNetFromCaffe (CV_WRAP_FILE_PATH const String &prototxt, CV_WRAP_FILE_PATH const String &caffeModel=String())
	讀取以 Caffe 框架格式儲存的網路模型。

Net	readNetFromDarknet (const char bufferCfg, size_t lenCfg, const char bufferModel=NULL, size_t lenModel=0)
	讀取以 Darknet 模型檔案格式儲存的網路模型。

Net	readNetFromDarknet (const std::vector< uchar > &bufferCfg, const std::vector< uchar > &bufferModel=std::vector< uchar >())
	讀取以 Darknet 模型檔案格式儲存的網路模型。

Net	readNetFromDarknet (CV_WRAP_FILE_PATH const String &cfgFile, CV_WRAP_FILE_PATH const String &darknetModel=String())
	讀取以 Darknet 模型檔案格式儲存的網路模型。

Net	readNetFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights)
	從 Intel 的 Model Optimizer 中間表示載入網路。

Net	readNetFromModelOptimizer (const uchar bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar bufferWeightsPtr, size_t bufferWeightsSize)
	從 Intel 的 Model Optimizer 中間表示載入網路。

Net	readNetFromModelOptimizer (CV_WRAP_FILE_PATH const String &xml, CV_WRAP_FILE_PATH const String &bin="")
	從 Intel 的 Model Optimizer 中間表示載入網路。

Net	readNetFromONNX (const char *buffer, size_t sizeBuffer)
	從 ONNX 記憶體緩衝區讀取網路模型。

Net	readNetFromONNX (const std::vector< uchar > &buffer)
	從 ONNX 記憶體緩衝區讀取網路模型。

Net	readNetFromONNX (CV_WRAP_FILE_PATH const String &onnxFile)
	讀取 ONNX 網路模型。

Net	readNetFromTensorflow (const char bufferModel, size_t lenModel, const char bufferConfig=NULL, size_t lenConfig=0)
	讀取以 TensorFlow 框架格式儲存的網路模型。

Net	readNetFromTensorflow (const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >())
	讀取以 TensorFlow 框架格式儲存的網路模型。

Net	readNetFromTensorflow (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config=String())
	讀取以 TensorFlow 框架格式儲存的網路模型。

Net	readNetFromTFLite (const char *bufferModel, size_t lenModel)
	讀取以 TFLite 框架格式儲存的網路模型。

Net	readNetFromTFLite (const std::vector< uchar > &bufferModel)
	讀取以 TFLite 框架格式儲存的網路模型。

Net	readNetFromTFLite (CV_WRAP_FILE_PATH const String &model)
	讀取以 TFLite 框架格式儲存的網路模型。

Net	readNetFromTorch (CV_WRAP_FILE_PATH const String &model, bool isBinary=true, bool evaluate=true)
	讀取以 Torch7 框架格式儲存的網路模型。

Mat	readTensorFromONNX (CV_WRAP_FILE_PATH const String &path)
	從 .pb 檔案建立Blob。

Mat	readTorchBlob (const String &filename, bool isBinary=true)
	載入作為 Torch7 框架的 torch.Tensor 物件序列化的 blob。

void	releaseHDDLPlugin ()
	釋放 HDDL 外掛。

void	resetMyriadDevice ()
	釋放 Myriad 裝置（由 OpenCV 繫結）。

cv::String	setInferenceEngineBackendType (const cv::String &newBackendType)
	指定 Inference Engine 內部後端 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 >())
	將 Caffe 網路的所有權重轉換為半精度浮點數。

void	skipModelImport (bool skip)
	在 readNet() 函式的診斷執行後跳過模型匯入。

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)
	對給定邊界框和對應分數執行軟非極大值抑制。參考：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)
	為以協議緩衝區格式儲存的二進位制網路建立文字表示。

函式文件

◆ concat()

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

inlinestatic

◆ getInferenceEngineBackendType()

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

返回 Inference Engine 內部後端 API。

請參閱 CV_DNN_BACKEND_INFERENCE_ENGINE_* 宏的值。

自 4.6.0 版本起，OPENCV_DNN_BACKEND_INFERENCE_ENGINE_TYPE 執行時引數（環境變數）將被忽略。

已棄用

◆ getInferenceEngineCPUType()

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

返回 Inference Engine CPU 型別。

指定 OpenVINO 外掛：CPU 或 ARM。

◆ getInferenceEngineVPUType()

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

返回 Inference Engine VPU 型別。

請參閱 CV_DNN_INFERENCE_ENGINE_VPU_TYPE_* 宏的值。

◆ getPlane()

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

inlinestatic

此函式的呼叫圖如下

◆ 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（軸）,
		const MatShape &	shape )

inlinestatic

此函式的呼叫圖如下

◆ normalize_axis() [2/2]

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

inlinestatic

將軸從 [-dims; dims)（類似於 Python 的切片表示法）轉換為 [0; dims) 範圍。

◆ normalize_axis_range()

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

inlinestatic

此函式的呼叫圖如下

◆ operator<<()

template<typename _Tp >

static std::ostream & cv::dnn::operator<<	(	std::ostream &	輸出3D仿射變換矩陣，尺寸為\(3 \times 4\)，形式如下,
		const std::vector< _Tp > &	shape )

inlinestatic

此函式的呼叫圖如下

◆ print()

template<typename _Tp >

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

inlinestatic

此函式的呼叫圖如下

◆ releaseHDDLPlugin()

void cv::dnn::releaseHDDLPlugin ( )

釋放 HDDL 外掛。

◆ resetMyriadDevice()

void cv::dnn::resetMyriadDevice ( )

釋放 Myriad 裝置（由 OpenCV 繫結）。

使用 Inference Engine 的 Myriad 外掛時，單個 Myriad 裝置無法跨多個程序共享。

◆ setInferenceEngineBackendType()

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

指定 Inference Engine 內部後端 API。

請參閱 CV_DNN_BACKEND_INFERENCE_ENGINE_* 宏的值。

返回: 內部後端 API 的先前值

已棄用

◆ shape() [1/5]

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

inlinestatic

此函式的呼叫圖如下

◆ shape() [2/5]

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

inlinestatic

此函式的呼叫圖如下

◆ shape() [3/5]

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

inlinestatic

此函式的呼叫圖如下

◆ shape() [4/5]

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

inlinestatic

此函式的呼叫圖如下

◆ shape() [5/5]

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

inlinestatic

此函式的呼叫圖如下

◆ skipModelImport()

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

在 readNet() 函式的診斷執行後跳過模型匯入。

引數

[輸入] skip 指示是否跳過匯入。

這是一個內部 OpenCV 函式，不面向使用者。

◆ slice() [1/4]

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

inlinestatic

此函式的呼叫圖如下

◆ slice() [2/4]

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

inlinestatic

此函式的呼叫圖如下

◆ slice() [3/4]

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

inlinestatic

此函式的呼叫圖如下

◆ slice() [4/4]

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

inlinestatic

此函式的呼叫圖如下

◆ toString()

template<typename _Tp >

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

inlinestatic

此函式的呼叫圖如下

◆ total() [1/2]

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

inlinestatic

此函式的呼叫圖如下

◆ total() [2/2]

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

inlinestatic

此函式的呼叫圖如下

名稱空間

類

型別定義

列舉

函式

函式文件

◆ 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]