This class allows to create and manipulate comprehensive artificial neural networks. [詳解]

#include <dnn.hpp>

公開型
typedef DictValue	LayerId
	文字列と整数のコンテナです。

公開メンバ関数
CV_WRAP	Net ()
	デフォルトのコンストラクタです。

CV_WRAP	~Net ()
	デストラクタは、ネットへの参照がなくなった場合にのみネットを解放します。

CV_WRAP bool	empty () const

CV_WRAP String	dump ()
	ネットを文字列にダンプ[【詳解】（英語］

CV_WRAP void	dumpToFile (const String &path)
	ネットの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンをドットファイルにダンプする[【詳解】（英語］

int	addLayer (const String &name, const String &type, LayerParams &params)
	新しい層をネットに追加します。[【詳解】（英語］

int	addLayerToPrev (const String &name, const String &type, LayerParams &params)
	新しいレイヤーを追加し、その最初の入力を先に追加したレイヤーの最初の出力に接続します。[【詳解】（英語］

CV_WRAP int	getLayerId (const String &layer)
	レイヤの文字列名を整数の識別子に変換します。[【詳解】（英語］

CV_WRAP std::vector< String >	getLayerNames () const

CV_WRAP Ptr< Layer >	getLayer (LayerId layerId)
	ネットワークが使用する、指定された ID または名前のレイヤーへのポインタを返します。

std::vector< Ptr< Layer > >	getLayerInputs (LayerId layerId)
	特定のレイヤの入力レイヤへのポインタを返します。

CV_WRAP void	connect (String outPin, String inpPin)
	第1層の出力と第2層の入力を接続する。[【詳解】（英語］

void	connect (int outLayerId, int outNum, int inpLayerId, int inpNum)
	第1レイヤーの #`outNum`第1レイヤーの出力を第2レイヤーの#`inNum`入力に接続します。[【詳解】（英語］

CV_WRAP void	setInputsNames (const std::vector< String > &inputBlobNames)
	ネットワーク入力疑似層の出力名を設定します。[【詳解】（英語］

CV_WRAP void	setInputShape (const String &inputName, const MatShape &shape)
	ネットワーク入力の形状を指定します。

CV_WRAP Mat	forward (const String &outputName=String())
	フォワードパスを実行して、名前を持つレイヤーの出力を計算します。`outputName`.[【詳解】（英語］

CV_WRAP AsyncArray	forwardAsync (const String &outputName=String())
	フォワードパスを実行して、名前を持つレイヤーの出力を計算します。`outputName`.[【詳解】（英語］

CV_WRAP void	forward (OutputArrayOfArrays outputBlobs, const String &outputName=String())
	フォワードパスを実行して、名前を持つレイヤーの出力を計算します。`outputName`.[【詳解】（英語］

CV_WRAP void	forward (OutputArrayOfArrays outputBlobs, const std::vector< String > &outBlobNames)
	に記載されたレイヤーの出力を計算するためにフォワードパスを実行します。`outBlobNames`.[【詳解】（英語］

CV_WRAP_AS(forwardAndRetrieve) void forward(CV_OUT std CV_WRAP void	setHalideScheduler (const String &scheduler)
	に記載されたレイヤーの出力を計算するためにフォワードパスを実行します。`outBlobNames`.[【詳解】（英語］

CV_WRAP void	setPreferableBackend (int backendId)
	ネットワークに、サポートされている特定の計算バックエンドを使うように指示します。[【詳解】（英語］

CV_WRAP void	setPreferableTarget (int targetId)
	特定のターゲットデバイスでの計算をネットワークに依頼します。[【詳解】（英語］

CV_WRAP void	setInput (InputArray blob, const String &name="", double scalefactor=1.0, const Scalar &mean=Scalar())
	ネットワークの新しい入力値を設定します。[【詳解】（英語］

CV_WRAP void	setParam (LayerId layer, int numParam, const Mat &blob)
	層の学習済みパラメータに新しい値を設定します。[【詳解】（英語］

CV_WRAP Mat	getParam (LayerId layer, int numParam=0)
	レイヤのパラメータblobを返します。[【詳解】（英語］

CV_WRAP std::vector< int >	getUnconnectedOutLayers () const
	出力が接続されていないレイヤーのインデックスを返します。

CV_WRAP std::vector< String >	getUnconnectedOutLayersNames () const
	出力が接続されていないレイヤーの名前を返します。

CV_WRAP void	getLayersShapes (const std::vector< MatShape > &netInputShapes, CV_OUT std::vector< int > &layersIds, CV_OUT std::vector< std::vector< MatShape > > &inLayersShapes, CV_OUT std::vector< std::vector< MatShape > > &outLayersShapes) const
	読み込まれたモデルのすべてのレイヤーの入力および出力の形状を返します；予備的な推論は必要ありません。[【詳解】（英語］

CV_WRAP void	getLayersShapes (const MatShape &netInputShape, CV_OUT std::vector< int > &layersIds, CV_OUT std::vector< std::vector< MatShape > > &inLayersShapes, CV_OUT std::vector< std::vector< MatShape > > &outLayersShapes) const

void	getLayerShapes (const MatShape &netInputShape, const int layerId, CV_OUT std::vector< MatShape > &inLayerShapes, CV_OUT std::vector< MatShape > &outLayerShapes) const
	ロードされたモデルの、指定された id を持つレイヤーの入力および出力形状を返します。[【詳解】（英語］

void	getLayerShapes (const std::vector< MatShape > &netInputShapes, const int layerId, CV_OUT std::vector< MatShape > &inLayerShapes, CV_OUT std::vector< MatShape > &outLayerShapes) const

CV_WRAP int64	getFLOPS (const std::vector< MatShape > &netInputShapes) const
	指定された入力形状でロードされたモデル全体のFLOPを計算します．[【詳解】（英語］

CV_WRAP int64	getFLOPS (const MatShape &netInputShape) const

CV_WRAP int64	getFLOPS (const int layerId, const std::vector< MatShape > &netInputShapes) const

CV_WRAP int64	getFLOPS (const int layerId, const MatShape &netInputShape) const

CV_WRAP void	getLayerTypes (CV_OUT std::vector< String > &layersTypes) const
	モデルで使用されているレイヤーのタイプのリストを返します。[【詳解】（英語］

CV_WRAP int	getLayersCount (const String &layerType) const
	指定されたタイプのレイヤーの数を返します。[【詳解】（英語］

void	getMemoryConsumption (const std::vector< MatShape > &netInputShapes, CV_OUT size_t &weights, CV_OUT size_t &blobs) const
	モデルのすべての重みと中間blobを格納するのに必要なバイト数を計算します。[【詳解】（英語］

CV_WRAP void	getMemoryConsumption (const MatShape &netInputShape, CV_OUT size_t &weights, CV_OUT size_t &blobs) const

CV_WRAP void	getMemoryConsumption (const int layerId, const std::vector< MatShape > &netInputShapes, CV_OUT size_t &weights, CV_OUT size_t &blobs) const

CV_WRAP void	getMemoryConsumption (const int layerId, const MatShape &netInputShape, CV_OUT size_t &weights, CV_OUT size_t &blobs) const

void	getMemoryConsumption (const std::vector< MatShape > &netInputShapes, CV_OUT std::vector< int > &layerIds, CV_OUT std::vector< size_t > &weights, CV_OUT std::vector< size_t > &blobs) const
	各層のすべての重みと中間Blobを格納するのに必要なバイト数を計算します。[【詳解】（英語］

void	getMemoryConsumption (const MatShape &netInputShape, CV_OUT std::vector< int > &layerIds, CV_OUT std::vector< size_t > &weights, CV_OUT std::vector< size_t > &blobs) const

CV_WRAP void	enableFusion (bool fusion)
	ネットワークでのレイヤー融合を有効または無効にします。[【詳解】（英語］

CV_WRAP int64	getPerfProfile (CV_OUT std::vector< double > &timings)
	推論にかかる全体の時間と、レイヤーの時間（ティック単位）を返します。[【詳解】（英語］

静的公開メンバ関数
static CV_WRAP Net	readFromModelOptimizer (const String &xml, const String &bin)
	ネットワークの作成は、インテルのModelオプティマイザーの中間表現(IR)。[【詳解】（英語］

static CV_WRAP Net	readFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights)
	ネットワークの作成は、インテルのModelオプティマイザーのインメモリ・バッファから中間表現（IR）でネットワークを作成します。[【詳解】（英語］

static Net	readFromModelOptimizer (const uchar bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar bufferWeightsPtr, size_t bufferWeightsSize)
	ネットワークの作成は、インテルのModelオプティマイザーのインメモリ・バッファから中間表現（IR）でネットワークを作成します。[【詳解】（英語］

詳解

このクラスでは、包括的な人工ニューラルネットワークを作成し、操作することができます。

ニューラルネットワークは有向非環状グラフ(DAG)として表現され、頂点はインスタンスLayerインスタンスであり、エッジは層の入力と出力の間の関係を指定します。

各ネットワーク層は、そのネットワーク内で一意の整数IDと一意の文字列名を持っています。LayerIdには、レイヤ名またはレイヤIDが格納されます。

このクラスは、そのインスタンスの参照カウントをサポートしています。

関数詳解

◆ addLayer()

int cv::dnn::Net::addLayer	(	const String &	name,
		const String &	type,
		LayerParams &	params
	)

新しい層をネットに追加します。

引数

name	追加する層の一意の名前。
type	追加するレイヤーのタイプ名 (タイプは LayerRegister で登録する必要があります)
params	作成レイヤーの初期化に使用されるパラメータ。

戻り値: 作成されたレイヤーの一意の識別子、失敗した場合は-1。

◆ addLayerToPrev()

int cv::dnn::Net::addLayerToPrev	(	const String &	name,
		const String &	type,
		LayerParams &	params
	)

新しいレイヤーを追加し、その最初の入力を先に追加したレイヤーの最初の出力に接続します。

参照: addLayer()

◆ connect() [1/2]

void cv::dnn::Net::connect	(	int	outLayerId,
		int	outNum,
		int	inpLayerId,
		int	inpNum
	)

第1レイヤーの #outNum第1レイヤーの出力を第2レイヤーの#inNum入力に接続します。

引数

outLayerId	第一の層の識別子
outNum	第一層の出力の番号
inpLayerId	第二の層の識別子
inpNum	第2層の入力番号

◆ connect() [2/2]

CV_WRAP void cv::dnn::Net::connect	(	String	outPin,
		String	inpPin
	)

第1層の出力と第2層の入力を接続する。

引数

outPin	第1層の出力の記述子。
inpPin	第2層の入力の記述子。

記述子には以下のようなテンプレートがある。<layer_name>[.input_number]:

テンプレートの最初の部分layer_nameは，追加される層の文字列名です．この部分が空の場合は，ネットワーク入力の疑似レイヤが使われます。
テンプレートの2番目のオプション部分input_numberは，層の入力番号，ラベル1のいずれかです。この部分が省略された場合は、最初のレイヤー入力が使用されます。

参照

setNetInputs(),Layer::inputNameToIndex(),Layer::outputNameToIndex()

◆ dump()

CV_WRAP String cv::dnn::Net::dump ( )

ネットを文字列にダンプ

戻り値: 構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンを含む文字列後にメソッドを呼び出します。setInput(). 正しいバックエンド、ターゲット、フュージョンを確認するには、次のように実行します。forward().

◆ dumpToFile()

CV_WRAP void cv::dnn::Net::dumpToFile ( const String & path )

ネットの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンをドットファイルにダンプする

引数

path	拡張子が.dotの出力ファイルへのパス

参照: dump()

◆ empty()

CV_WRAP bool cv::dnn::Net::empty ( ) const

ネットワークにレイヤーが存在しない場合は、trueを返します。

◆ enableFusion()

CV_WRAP void cv::dnn::Net::enableFusion ( bool fusion )

ネットワークでのレイヤー融合を有効または無効にします。

引数

fusion 融合を有効にするには true、無効にするには false を指定します。デフォルトでは、融合は有効です。

◆ forward() [1/3]

CV_WRAP Mat cv::dnn::Net::forward ( const String & outputName = String() )

フォワードパスを実行して、名前を持つレイヤーの出力を計算します。outputName.

引数

outputName 出力を得るために必要な層の名前

戻り値: 指定されたレイヤーの最初の出力に対するblobを計算します。

デフォルトでは、ネットワーク全体のフォワードパスを実行します。

◆ forward() [2/3]

CV_WRAP void cv::dnn::Net::forward	(	OutputArrayOfArrays	outputBlobs,
		const std::vector< String > &	outBlobNames
	)

に記載されたレイヤーの出力を計算するためにフォワードパスを実行します。outBlobNames.

引数

outputBlobs	指定された層の最初の出力のblobを含む。
outBlobNames	出力を得るために必要な層の名前

◆ forward() [3/3]

CV_WRAP void cv::dnn::Net::forward	(	OutputArrayOfArrays	outputBlobs,
		const String &	outputName = `String()`
	)

フォワードパスを実行して、名前を持つレイヤーの出力を計算します。outputName.

引数

outputBlobs	指定された層のすべての出力blobを含みます。
outputName	出力を得るために必要な層の名前

もしoutputNameが空の場合、ネットワーク全体のフォワードパスを実行します。

◆ forwardAsync()

CV_WRAP AsyncArray cv::dnn::Net::forwardAsync ( const String & outputName = String() )

フォワードパスを実行して、名前を持つレイヤーの出力を計算します。outputName.

引数

outputName 出力を得るために必要な層の名前

デフォルトでは、ネットワーク全体のフォワードパスを実行します。

これは、以下の非同期バージョンです。forward(const String&). dnn::DNN_BACKEND_INFERENCE_ENGINE バックエンドが必要です。

◆ getFLOPS() [1/4]

CV_WRAP int64 cv::dnn::Net::getFLOPS	(	const int	layerId,
		const MatShape &	netInputShape
	)		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。

◆ getFLOPS() [2/4]

CV_WRAP int64 cv::dnn::Net::getFLOPS	(	const int	layerId,
		const std::vector< MatShape > &	netInputShapes
	)		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。

◆ getFLOPS() [3/4]

CV_WRAP int64 cv::dnn::Net::getFLOPS ( const MatShape & netInputShape ) 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。

◆ getFLOPS() [4/4]

CV_WRAP int64 cv::dnn::Net::getFLOPS ( const std::vector< MatShape > & netInputShapes ) const

指定された入力形状でロードされたモデル全体のFLOPを計算します．

引数

netInputShapes すべてのネットワーク入力に対する形状のベクトル．

戻り値: 計算されたFLOP。

◆ getLayerId()

CV_WRAP int cv::dnn::Net::getLayerId ( const String & layer )

レイヤの文字列名を整数の識別子に変換します。

戻り値: レイヤーのid、またはレイヤーが見つからない場合は-1を返します。

◆ getLayersCount()

CV_WRAP int cv::dnn::Net::getLayersCount ( const String & layerType ) const

指定されたタイプのレイヤーの数を返します。

引数

layerType タイプを指定します。

戻り値: レイヤーの数

◆ getLayerShapes() [1/2]

void cv::dnn::Net::getLayerShapes	(	const MatShape &	netInputShape,
		const int	layerId,
		CV_OUT std::vector< MatShape > &	inLayerShapes,
		CV_OUT std::vector< MatShape > &	outLayerShapes
	)		const

ロードされたモデルの、指定された id を持つレイヤーの入力および出力形状を返します。

引数

netInputShape	shape 入力 blob in net 入力レイヤー.
layerId	レイヤーのid
inLayerShapes	入力レイヤーの形状の出力パラメータ；順番はlayersIdsと同じ
outLayerShapes	順番は layersIds と同じですが、出力レイヤーの形状の出力パラメータ

◆ getLayerShapes() [2/2]

void cv::dnn::Net::getLayerShapes	(	const std::vector< MatShape > &	netInputShapes,
		const int	layerId,
		CV_OUT std::vector< MatShape > &	inLayerShapes,
		CV_OUT std::vector< MatShape > &	outLayerShapes
	)		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。

◆ getLayersShapes() [1/2]

CV_WRAP void cv::dnn::Net::getLayersShapes	(	const MatShape &	netInputShape,
		CV_OUT std::vector< int > &	layersIds,
		CV_OUT std::vector< std::vector< MatShape > > &	inLayersShapes,
		CV_OUT std::vector< std::vector< MatShape > > &	outLayersShapes
	)		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。

◆ getLayersShapes() [2/2]

CV_WRAP void cv::dnn::Net::getLayersShapes	(	const std::vector< MatShape > &	netInputShapes,
		CV_OUT std::vector< int > &	layersIds,
		CV_OUT std::vector< std::vector< MatShape > > &	inLayersShapes,
		CV_OUT std::vector< std::vector< MatShape > > &	outLayersShapes
	)		const

読み込まれたモデルのすべてのレイヤーの入力および出力の形状を返します；予備的な推論は必要ありません。

引数

netInputShapes	ネットの入力レイヤーにあるすべての入力blobの形状を返します。
layersIds	レイヤIDの出力パラメータです。
inLayersShapes	入力レイヤーの形状の出力パラメータ；順番はlayersIdsと同じ
outLayersShapes	順番は layersIds と同じですが、出力レイヤーの形状の出力パラメータ

◆ getLayerTypes()

CV_WRAP void cv::dnn::Net::getLayerTypes ( CV_OUT std::vector< String > & layersTypes ) const

モデルで使用されているレイヤーのタイプのリストを返します。

引数

layersTypes 型を返すための出力パラメータです。

◆ getMemoryConsumption() [1/6]

CV_WRAP void cv::dnn::Net::getMemoryConsumption	(	const int	layerId,
		const MatShape &	netInputShape,
		CV_OUT size_t &	weights,
		CV_OUT size_t &	blobs
	)		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。

◆ getMemoryConsumption() [2/6]

CV_WRAP void cv::dnn::Net::getMemoryConsumption	(	const int	layerId,
		const std::vector< MatShape > &	netInputShapes,
		CV_OUT size_t &	weights,
		CV_OUT size_t &	blobs
	)		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。

◆ getMemoryConsumption() [3/6]

CV_WRAP void cv::dnn::Net::getMemoryConsumption	(	const MatShape &	netInputShape,
		CV_OUT size_t &	weights,
		CV_OUT size_t &	blobs
	)		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。

◆ getMemoryConsumption() [4/6]

void cv::dnn::Net::getMemoryConsumption	(	const MatShape &	netInputShape,
		CV_OUT std::vector< int > &	layerIds,
		CV_OUT std::vector< size_t > &	weights,
		CV_OUT std::vector< size_t > &	blobs
	)		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。

◆ getMemoryConsumption() [5/6]

void cv::dnn::Net::getMemoryConsumption	(	const std::vector< MatShape > &	netInputShapes,
		CV_OUT size_t &	weights,
		CV_OUT size_t &	blobs
	)		const

モデルのすべての重みと中間blobを格納するのに必要なバイト数を計算します。

引数

netInputShapes	すべてのネットワーク入力に対する形状のベクトル．
weights	重みのための結果のバイトを格納する出力パラメータ。
blobs	中間Blobの結果のバイトを格納するための出力パラメータ。

◆ getMemoryConsumption() [6/6]

void cv::dnn::Net::getMemoryConsumption	(	const std::vector< MatShape > &	netInputShapes,
		CV_OUT std::vector< int > &	layerIds,
		CV_OUT std::vector< size_t > &	weights,
		CV_OUT std::vector< size_t > &	blobs
	)		const

各層のすべての重みと中間Blobを格納するのに必要なバイト数を計算します。

引数

netInputShapes	すべてのネットワーク入力に対する形状のベクトル．
layerIds	レイヤーIDを保存するための出力ベクトル。
weights	重みのための結果のバイトを格納する出力パラメータ。
blobs	中間Blobの結果のバイトを格納するための出力パラメータ。

◆ getParam()

CV_WRAP Mat cv::dnn::Net::getParam	(	LayerId	layer,
		int	numParam = `0`
	)

レイヤのパラメータblobを返します。

引数

layer	レイヤーの名前またはID
numParam	配列内のレイヤーパラメータのインデックスLayer::blobs配列内のレイヤーパラメータのインデックス

参照: Layer::blobs

◆ getPerfProfile()

CV_WRAP int64 cv::dnn::Net::getPerfProfile ( CV_OUT std::vector< double > & timings )

推論にかかる全体の時間と、レイヤーの時間（ティック単位）を返します。

返されたベクトルのインデックスは、レイヤーのIDに対応しています。いくつかのレイヤーは他のレイヤーと融合している場合があり、その場合はスキップされたレイヤーのティックカウントはゼロになります。DNN_TARGET_CPU上のDNN_BACKEND_OPENCVでのみサポートされます。

引数

[out]. timings 全レイヤーのティックタイミングを表すベクトル。

戻り値: モデル推論のための全体のティック数。

◆ readFromModelOptimizer() [1/3]

static CV_WRAP Net cv::dnn::Net::readFromModelOptimizer	(	const std::vector< uchar > &	bufferModelConfig,
		const std::vector< uchar > &	bufferWeights
	)

static

ネットワークの作成は、インテルのModelオプティマイザーのインメモリ・バッファから中間表現（IR）でネットワークを作成します。

引数

[in].	bufferModelConfig	モデルの設定が入ったバッファ
[in].	bufferWeights	モデルの学習された重みが入ったバッファ。

戻り値: Netオブジェクトを作成します。

◆ readFromModelOptimizer() [2/3]

static CV_WRAP Net cv::dnn::Net::readFromModelOptimizer	(	const String &	xml,
		const String &	bin
	)

static

ネットワークの作成は、インテルのModelオプティマイザーの中間表現(IR)。

引数

[in].	xml	ネットワークのトポロジーが記述されたXML設定ファイル
[in].	bin	学習済みウェイトのバイナリファイルインテル® オプティマイザーからインポートされたネットワークはModelオプティマイザーからインポートされたネットワークは、インテルの Inference Engine バックエンドで起動します。

◆ readFromModelOptimizer() [3/3]

static Net cv::dnn::Net::readFromModelOptimizer	(	const uchar *	bufferModelConfigPtr,
		size_t	bufferModelConfigSize,
		const uchar *	bufferWeightsPtr,
		size_t	bufferWeightsSize
	)

static

ネットワークの作成は、インテルのModelオプティマイザーのインメモリ・バッファから中間表現（IR）でネットワークを作成します。

引数

[in].	bufferModelConfigPtr	モデルのコンフィギュレーションのバッファー・ポインター。
[in].	bufferModelConfigSize	モデルのコンフィグレーションのバッファサイズ
[in].	bufferWeightsPtr	モデルの学習済みウェイトのバッファー・ポインター。
[in].	bufferWeightsSize	モデルの訓練された重みのバッファサイズ。

戻り値: Netオブジェクトを作成します。

◆ setHalideScheduler()

CV_WRAP_AS(forwardAndRetrieve) void forward(CV_OUT std CV_WRAP void cv::dnn::Net::setHalideScheduler ( const String & scheduler )

に記載されたレイヤーの出力を計算するためにフォワードパスを実行します。outBlobNames.

引数

outputBlobs	で指定された各層のすべての出力blobを含みます。`outBlobNames`.
outBlobNames	出力を得るために必要な層の名前

ハライドレイヤーをコンパイルする。

引数

[in]. scheduler スケジューリングディレクティブを含むYAMLファイルへのパス。

参照: setPreferableBackend

Halideのバックエンドをサポートするレイヤーをスケジューリングします。その後、特定のターゲット用にコンパイルします。スケジューリングファイルに記述されていないレイヤーや、手動でのスケジューリングが全く行われていない場合は、自動スケジューリングが適用されます。

◆ setInput()

CV_WRAP void cv::dnn::Net::setInput	(	InputArray	blob,
		const String &	name = `""`,
		double	scalefactor = `1.0`,
		const Scalar &	mean = `Scalar()`
	)

ネットワークの新しい入力値を設定します。

引数

blob	新しいblob。CV_32F または CV_8U の深さを持ちます．
name	入力レイヤの名前．
scalefactor	任意の正規化スケール．
mean	平均減算値（オプション）．

参照: connect(String, String)で，記述子のフォーマットを知ることができます．

scale や mean 値が指定された場合，最終的な入力blobは以下のように計算されます．

$input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)$

◆ setInputsNames()

CV_WRAP void cv::dnn::Net::setInputsNames ( const std::vector< String > & inputBlobNames )

ネットワーク入力疑似層の出力名を設定します。

各ネットは、id=0の特別なネットワーク入力疑似層を常に持っています。この層は、ユーザーblobを保存するだけで、いかなる計算も行いません。実際、この層は、ユーザーデータをネットワークに渡す唯一の方法を提供します。他の層と同様に、この層はその出力にラベルを付けることができ、この関数はこれを簡単に行う方法を提供します。

◆ setParam()

CV_WRAP void cv::dnn::Net::setParam	(	LayerId	layer,
		int	numParam,
		const Mat &	blob
	)

層の学習済みパラメータに新しい値を設定します。

引数

layer	レイヤーの名前またはID
numParam	配列内のレイヤーパラメータのインデックスLayer::blobs配列内のレイヤーパラメータのインデックス
blob	新しい値を設定します。

参照: Layer::blobs

覚え書き: もし新しいblobの形状が以前の形状と異なる場合、次のフォワードパスは失敗するかもしれません。

◆ setPreferableBackend()

CV_WRAP void cv::dnn::Net::setPreferableBackend ( int backendId )

ネットワークに、サポートされている特定の計算バックエンドを使うように指示します。

引数

[in]. backendId バックエンドの識別子．

参照: バックエンド

OpenCV が Intel の Inference Engine ライブラリでコンパイルされている場合， DNN_BACKEND_DEFAULT は DNN_BACKEND_INFERENCE_ENGINE を意味します．それ以外の場合は，DNN_BACKEND_OPENCV になります．

◆ setPreferableTarget()

CV_WRAP void cv::dnn::Net::setPreferableTarget ( int targetId )

特定のターゲットデバイスでの計算をネットワークに依頼します。

引数

[in]. targetId ターゲットの識別子を指定します。

参照: ターゲット

サポートされているバックエンドとターゲットの組み合わせのリスト。

	DNN_BACKEND_OPENCV	dnn_backend_inference_engine（バックエンド推論エンジン	dnn_backend_halide（バックエンド・ハライド	DNN_BACKEND_CUDA
DNN_TARGET_CPU	+	+	+
DNN_TARGET_OPENCL	+	+	+
DNN_TARGET_OPENCL_FP16	+	+
Dnn_Target_Myriad		+
DNN_TARGET_FPGA		+
Dnn_Target_Cuda				+
Dnn_Target_Cuda_fp16				+
Dnn_Target_Hddl		+

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

公開型

公開メンバ関数

静的公開メンバ関数

詳解

関数詳解

◆ addLayer()

◆ addLayerToPrev()

◆ connect() [1/2]

◆ connect() [2/2]

◆ dump()

◆ dumpToFile()

◆ empty()

◆ enableFusion()

◆ forward() [1/3]

◆ forward() [2/3]

◆ forward() [3/3]

◆ forwardAsync()

◆ getFLOPS() [1/4]

◆ getFLOPS() [2/4]

◆ getFLOPS() [3/4]

◆ getFLOPS() [4/4]

◆ getLayerId()

◆ getLayersCount()

◆ getLayerShapes() [1/2]

◆ getLayerShapes() [2/2]

◆ getLayersShapes() [1/2]

◆ getLayersShapes() [2/2]

◆ getLayerTypes()

◆ getMemoryConsumption() [1/6]

◆ getMemoryConsumption() [2/6]

◆ getMemoryConsumption() [3/6]

◆ getMemoryConsumption() [4/6]

◆ getMemoryConsumption() [5/6]

◆ getMemoryConsumption() [6/6]

◆ getParam()

◆ getPerfProfile()

◆ readFromModelOptimizer() [1/3]

◆ readFromModelOptimizer() [2/3]

◆ readFromModelOptimizer() [3/3]

◆ setHalideScheduler()

◆ setInput()

◆ setInputsNames()

◆ setParam()

◆ setPreferableBackend()

◆ setPreferableTarget()