This interface class allows to build new Layers - are building blocks of networks. [詳解]

#include <dnn.hpp>

cv::Algorithmを継承しています。

cv::dnn::AccumLayer, cv::dnn::ActivationLayer, cv::dnn::BaseConvolutionLayer, cv::dnn::BlankLayer, cv::dnn::ConcatLayer, cv::dnn::ConstLayer, cv::dnn::CorrelationLayer, cv::dnn::CropAndResizeLayer, cv::dnn::CropLayer, cv::dnn::DataAugmentationLayer, cv::dnn::DetectionOutputLayer, cv::dnn::EltwiseLayer, cv::dnn::FlattenLayer, cv::dnn::FlowWarpLayer, cv::dnn::InnerProductLayer, cv::dnn::InterpLayer, cv::dnn::LRNLayer, cv::dnn::LSTMLayer, cv::dnn::MVNLayer, cv::dnn::MaxUnpoolLayer, cv::dnn::NormalizeBBoxLayer, cv::dnn::PaddingLayer, cv::dnn::PermuteLayer, cv::dnn::PoolingLayer, cv::dnn::PriorBoxLayer, cv::dnn::ProposalLayer, cv::dnn::RNNLayer, cv::dnn::RegionLayer, cv::dnn::ReorgLayer, cv::dnn::ReshapeLayer, cv::dnn::ResizeLayer, cv::dnn::ScaleLayer, cv::dnn::ShiftLayer, cv::dnn::ShuffleChannelLayer, cv::dnn::SliceLayer, cv::dnn::SoftmaxLayer, cv::dnn::SplitLayer (計37項目)に継承されています。

公開メンバ関数
virtual CV_DEPRECATED_EXTERNAL void	finalize (const std::vector< Mat * > &input, std::vector< Mat > &output)
	入力、出力、blobに応じて内部パラメータを計算、設定します。[【詳解】（英語］

virtual CV_WRAP void	finalize (InputArrayOfArrays inputs, OutputArrayOfArrays outputs)
	入力、出力、blobに応じて内部パラメータを計算、設定します。[【詳解】（英語］

virtual CV_DEPRECATED_EXTERNAL void	forward (std::vector< Mat * > &input, std::vector< Mat > &output, std::vector< Mat > &internals)
	blobが与えられると`input`blobが与えられると、出力を計算する`blobs`.[【詳解】（英語］

virtual void	forward (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	blobが与えられると`input`blobが与えられると、出力を計算する`blobs`.[【詳解】（英語］

void	forward_fallback (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	blobが与えられると`input`blobが与えられると、出力を計算する`blobs`.[【詳解】（英語］

CV_DEPRECATED_EXTERNAL void	finalize (const std::vector< Mat > &inputs, CV_OUT std::vector< Mat > &outputs)
	これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。[【詳解】（英語］

CV_DEPRECATED std::vector< Mat >	finalize (const std::vector< Mat > &inputs)
	これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。[【詳解】（英語］

CV_DEPRECATED CV_WRAP void	run (const std::vector< Mat > &inputs, CV_OUT std::vector< Mat > &outputs, CV_IN_OUT std::vector< Mat > &internals)
	レイヤーを割り当て、出力を計算します。[【詳解】（英語］

virtual int	inputNameToIndex (String inputName)
	入力blobのインデックスを入力配列に返します。[【詳解】（英語］

virtual CV_WRAP int	outputNameToIndex (const String &outputName)
	出力配列に出力blobのインデックスを返します。[【詳解】（英語］

virtual bool	supportBackend (int backendId)
	計算を行うために特定のバックエンドをサポートしているかどうかをレイヤーに尋ねます。[【詳解】（英語］

virtual Ptr< BackendNode >	initHalide (const std::vector< Ptr< BackendWrapper > > &inputs)
	Halide バックエンドノードを返します。[【詳解】（英語］

virtual Ptr< BackendNode >	initInfEngine (const std::vector< Ptr< BackendWrapper > > &inputs)

virtual Ptr< BackendNode >	initNgraph (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)

virtual Ptr< BackendNode >	initVkCom (const std::vector< Ptr< BackendWrapper > > &inputs)

virtual Ptr< BackendNode >	initCUDA (void *context, const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs)
	CUDA バックエンドノードを返します[【詳解】（英語］

virtual void	applyHalideScheduler (Ptr< BackendNode > &node, const std::vector< Mat * > &inputs, const std::vector< Mat > &outputs, int targetId) const
	レイヤーのハイパーパラメータに基づいたHalideの自動スケジューリング[【詳解】（英語］

virtual Ptr< BackendNode >	tryAttach (const Ptr< BackendNode > &node)
	レイヤーフュージングの実装[【詳解】（英語］

virtual bool	setActivation (const Ptr< ActivationLayer > &layer)
	活性化された後続のレイヤーをそのレイヤーに添付しようとします。つまり、部分的なケースでレイヤーフュージョンを行います。[【詳解】（英語］

virtual bool	tryFuse (Ptr< Layer > &top)
	現在のレイヤと次のレイヤの融合を試みる[【詳解】（英語］

virtual void	getScaleShift (Mat &scale, Mat &shift) const
	チャネル単位の乗算と加算でレイヤーのパラメータを返します。[【詳解】（英語］

virtual void	unsetAttached ()
	"Deattaches" all the layers, attached to particular layer.

virtual bool	getMemoryShapes (const std::vector< MatShape > &inputs, const int requiredOutputs, std::vector< MatShape > &outputs, std::vector< MatShape > &internals) const

virtual int64	getFLOPS (const std::vector< MatShape > &inputs, const std::vector< MatShape > &outputs) const

virtual bool	updateMemoryShapes (const std::vector< MatShape > &inputs)

	Layer (const LayerParams &params)
	フィールドのみを初期化します。name,typeおよびblobsフィールドだけを初期化します。

void	setParamsFrom (const LayerParams &params)
	フィールドのみを初期化します。name,typeおよびblobsフィールドだけを初期化します。

基底クラス cv::Algorithm に属する継承公開メンバ関数
virtual CV_WRAP void	clear ()
	アルゴリズムの状態をクリアする[【詳解】（英語］

virtual void	write (FileStorage &fs) const
	アルゴリズムのパラメーターをファイルストレージに格納[【詳解】（英語］

CV_WRAP void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
	これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。

virtual CV_WRAP void	read (const FileNode &fn)
	アルゴリズム・パラメータをファイル・ストレージから読み込みます。[【詳解】（英語］

virtual CV_WRAP bool	empty () const
	が空の場合はtrueを返します。Algorithmが空の場合は真を返します。[【詳解】（英語］

virtual CV_WRAP void	save (const String &filename) const

virtual CV_WRAP String	getDefaultName () const

公開変数類
CV_PROP_RW std::vector< Mat >	blobs
	学習したパラメータのリストをここに保存しておくことで、使用者が読み込めるようになります。Net::getParam().

CV_PROP String	name
	レイヤーインスタンスの名前。ログ記録やその他の内部的な目的に使用できます。

CV_PROP String	type
	レイヤファクトリでレイヤを作成する際に使用された名前を入力してください。

CV_PROP int	preferableTarget
	フォワーディングの対象となるレイヤー

その他の継承メンバ
基底クラス cv::Algorithm に属する継承静的公開メンバ関数
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	ファイル・ノードからアルゴリズムを読み込む[【詳解】（英語］

template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	ファイルからアルゴリズムを読み込む[【詳解】（英語］

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	文字列からアルゴリズムを読み込む[【詳解】（英語］

基底クラス cv::Algorithm に属する継承限定公開メンバ関数
void	writeFormat (FileStorage &fs) const

詳解

このインターフェースクラスは、ネットワークの構成要素であるレイヤーを新たに構築することができます。

から派生した各クラスはLayerから派生した各クラスは，allocate()メソッドを実装して，自分の出力を宣言したりforward()を実装する必要があります。また、新しいレイヤーをネットワークに使用する前に、次のいずれかのマクロを使用してレイヤーを登録する必要があります。LayerFactoryマクロを使用する必要があります。

関数詳解

◆ applyHalideScheduler()

virtual void cv::dnn::Layer::applyHalideScheduler	(	Ptr< BackendNode > &	node,
		const std::vector< Mat * > &	inputs,
		const std::vector< Mat > &	outputs,
		int	targetId
	)		const

virtual

レイヤーのハイパーパラメータに基づいたHalideの自動スケジューリング

引数

[in].	node	Halide関数を持つバックエンドノード。
[in].	inputs	フォワード起動で使用されるBlob。
[in].	outputs	フォワード起動で使用されるBlob。
[in].	targetId	ターゲット識別子

参照: BackendNodeターゲット

Layerのように、独自のHalide::Funcメンバーを使用しないでください。このようにして、融合された関数はスケジュールされなければなりません。

◆ finalize() [1/4]

virtual CV_DEPRECATED_EXTERNAL void cv::dnn::Layer::finalize	(	const std::vector< Mat * > &	input,
		std::vector< Mat > &	output
	)

virtual

入力、出力、blobに応じて内部パラメータを計算、設定します。

非推奨:: を使用します。Layer::finalize(InputArrayOfArrays, OutputArrayOfArrays)代わりに

引数

[in].	input	既に割り当てられた入力blobのベクトル
[out].	output	既に割り当てられている出力blobのベクトル

このメソッドが、ネットワークが入力および出力blobにすべてのメモリを割り当てた後、推論前に呼び出された場合は

◆ finalize() [2/4]

CV_DEPRECATED std::vector< Mat > cv::dnn::Layer::finalize ( const std::vector< Mat > & inputs )

これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。

非推奨:: を使用します。Layer::finalize(InputArrayOfArrays, OutputArrayOfArrays)代わりに

◆ finalize() [3/4]

CV_DEPRECATED_EXTERNAL void cv::dnn::Layer::finalize	(	const std::vector< Mat > &	inputs,
		CV_OUT std::vector< Mat > &	outputs
	)

これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。

非推奨:: を使用します。Layer::finalize(InputArrayOfArrays, OutputArrayOfArrays)代わりに

◆ finalize() [4/4]

virtual CV_WRAP void cv::dnn::Layer::finalize	(	InputArrayOfArrays	inputs,
		OutputArrayOfArrays	outputs
	)

virtual

入力、出力、blobに応じて内部パラメータを計算、設定します。

引数

[in].	inputs	既に割り当てられた入力blobのベクトル
[out].	outputs	既に割り当てられている出力blobのベクトル

このメソッドが、ネットワークが入力および出力blobにすべてのメモリを割り当てた後、推論前に呼び出された場合は

◆ forward() [1/2]

virtual void cv::dnn::Layer::forward	(	InputArrayOfArrays	inputs,
		OutputArrayOfArrays	outputs,
		OutputArrayOfArrays	internals
	)

virtual

blobが与えられるとinputblobが与えられると、出力を計算するblobs.

引数

[in].	inputs	入力blobを使用します。
[out].	outputs	割り当てられた出力blobは、計算結果を格納します。
[out].	internals	割り当てられた内部blob

◆ forward() [2/2]

virtual CV_DEPRECATED_EXTERNAL void cv::dnn::Layer::forward	(	std::vector< Mat * > &	input,
		std::vector< Mat > &	output,
		std::vector< Mat > &	internals
	)

virtual

blobが与えられるとinputblobが与えられると、出力を計算するblobs.

非推奨:: を使用します。Layer::forward(InputArrayOfArrays, OutputArrayOfArrays, OutputArrayOfArrays)代わりに

引数

[in].	input	入力blobを使用します。
[out].	output	割り当てられた出力blobは、計算結果を格納します。
[out].	internals	割り当てられた内部blob

◆ forward_fallback()

void cv::dnn::Layer::forward_fallback	(	InputArrayOfArrays	inputs,
		OutputArrayOfArrays	outputs,
		OutputArrayOfArrays	internals
	)

blobが与えられるとinputblobが与えられると、出力を計算するblobs.

引数

[in].	inputs	入力blobを使用します。
[out].	outputs	割り当てられた出力blobは、計算結果を格納します。
[out].	internals	割り当てられた内部blob

◆ getScaleShift()

virtual void cv::dnn::Layer::getScaleShift	(	Mat &	scale,
		Mat &	shift
	)		const

virtual

チャネル単位の乗算と加算でレイヤーのパラメータを返します。

引数

[out].	scale	チャンネル単位の乗算器。値の総数は、チャンネル数と同じでなければなりません。
[out].	shift	チャンネルごとのオフセット。値の総数は、チャンネル数と等しくなります。

いくつかのレイヤーは、その変換を他のレイヤーと融合させることができます。例えば、コンボリューション＋バッチノーマライゼーション。この方法では、ベースレイヤーは後のレイヤーの重みを使用します。融合したレイヤーはスキップされます。デフォルトではscaleおよびshiftは空であり，それはレイヤーが要素単位の乗算や加算を持たないことを意味します。

◆ initCUDA()

virtual Ptr< BackendNode > cv::dnn::Layer::initCUDA	(	void *	context,
		const std::vector< Ptr< BackendWrapper > > &	inputs,
		const std::vector< Ptr< BackendWrapper > > &	outputs
	)

virtual

CUDA バックエンドノードを返します

引数

context	void CSLContext オブジェクトへのポインタ
inputs	レイヤーの入力
outputs	レイヤーの出力

◆ initHalide()

virtual Ptr< BackendNode > cv::dnn::Layer::initHalide ( const std::vector< Ptr< BackendWrapper > > & inputs )

virtual

Halide バックエンドノードを返します。

引数

[in]. inputs 入力ハライドバッファ。

参照: BackendNode,BackendWrapper

入力バッファは、前方の呼び出しで使用されるものと全く同じでなければなりません。入力形状のみに基づいてHalide::ImageParamを使用することができるにもかかわらず、これはいくつかのメモリ管理の問題を防ぐのに役立ちます（何か間違ったことがあれば、Halideのテストは失敗します）。

◆ inputNameToIndex()

virtual int cv::dnn::Layer::inputNameToIndex ( String inputName )

virtual

入力blobのインデックスを入力配列に返します。

引数

inputName 入力blobのラベル

各レイヤーの入力と出力には、"%<レイヤー名%>[.出力名]"という表記を使って、簡単に識別できるラベルを付けることができます。このメソッドは、入力blobのラベルを入力ベクトルのインデックスにマッピングします。

cv::dnn::LSTMLayer出再実装されます。

◆ outputNameToIndex()

virtual CV_WRAP int cv::dnn::Layer::outputNameToIndex ( const String & outputName )

virtual

出力配列に出力blobのインデックスを返します。

参照: inputNameToIndex()

cv::dnn::LSTMLayer出再実装されます。

◆ run()

CV_DEPRECATED CV_WRAP void cv::dnn::Layer::run	(	const std::vector< Mat > &	inputs,
		CV_OUT std::vector< Mat > &	outputs,
		CV_IN_OUT std::vector< Mat > &	internals
	)

レイヤーを割り当て、出力を計算します。

非推奨:: この方法は、将来のリリースでは削除される予定です。

◆ setActivation()

virtual bool cv::dnn::Layer::setActivation ( const Ptr< ActivationLayer > & layer )

virtual

活性化された後続のレイヤーをそのレイヤーに添付しようとします。つまり、部分的なケースでレイヤーフュージョンを行います。

引数

[in]. layer 後続の活性化層を指定します。

活性化層の取り付けが成功した場合、trueを返します。

◆ supportBackend()

virtual bool cv::dnn::Layer::supportBackend ( int backendId )

virtual

計算を行うために特定のバックエンドをサポートしているかどうかをレイヤーに尋ねます。

引数

[in]. backendId 計算バックエンドの識別子。

参照: バックエンド

◆ tryAttach()

virtual Ptr< BackendNode > cv::dnn::Layer::tryAttach ( const Ptr< BackendNode > & node )

virtual

レイヤーフュージングの実装

引数

[in]. node 下位レイヤーのバックエンドノード。

参照: BackendNode

グラフベースのバックエンドでは実際に使用されます。活性化層が正常に取り付けられた場合は、空ではないcv::Ptrを同じバックエンドのノードに返します。最後の関数にのみ融合します。

◆ tryFuse()

virtual bool cv::dnn::Layer::tryFuse ( Ptr< Layer > & top )

virtual

現在のレイヤと次のレイヤの融合を試みる

引数

[in]. top 次に融合されるレイヤー。

戻り値: 融合が行われた場合はTrueを返します。

このクラス詳解は次のファイルから抽出されました:

dnn/dnn.hpp

公開メンバ関数

公開変数類

その他の継承メンバ

詳解

関数詳解

◆ applyHalideScheduler()

◆ finalize() [1/4]

◆ finalize() [2/4]

◆ finalize() [3/4]

◆ finalize() [4/4]

◆ forward() [1/2]

◆ forward() [2/2]

◆ forward_fallback()

◆ getScaleShift()

◆ initCUDA()

◆ initHalide()

◆ inputNameToIndex()

◆ outputNameToIndex()

◆ run()

◆ setActivation()

◆ supportBackend()

◆ tryAttach()

◆ tryFuse()