OpenCV 4.5.3(日本語機械翻訳)
|
Objectness algorithms based on [3] [3] Cheng, Ming-Ming, et al. "BING: Binarized normed gradients for objectness estimation at 300fps." IEEE CVPR. 2014. [詳解]
#include <saliencySpecializedClasses.hpp>
cv::saliency::Objectnessを継承しています。
公開メンバ関数 |
|
CV_WRAP bool | computeSaliency (InputArray image, OutputArray saliencyMap) |
CV_WRAP void | read () |
CV_WRAP void | write () const |
CV_WRAP std::vector< float > | getobjectnessValues () |
矩形のオブジェクトネス値のリストを返します。[【詳解】(英語]
|
|
CV_WRAP void | setTrainingPath (const String &trainingPath) |
これは、アルゴリズムが学習したモデルをロードする正しいパスを設定するためのユーティリティー関数です。[【詳解】(英語]
|
|
CV_WRAP void | setBBResDir (const String &resultsDir) |
これは,アルゴリズムがオプションの結果を保存する任意のパスを設定することができるユーティリティ関数です.[【詳解】(英語]
|
|
CV_WRAP double | getBase () const |
CV_WRAP void | setBase (double val) |
CV_WRAP int | getNSS () const |
CV_WRAP void | setNSS (int val) |
CV_WRAP int | getW () const |
CV_WRAP void | setW (int val) |
![]() |
|
virtual | ~Saliency () |
デストラクタ |
|
CV_WRAP bool | computeSaliency (InputArray image, OutputArray saliencyMap) |
顕著性を計算する[【詳解】(英語]
|
|
![]() |
|
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 |
静的公開メンバ関数 |
|
static CV_WRAP Ptr< ObjectnessBING > | create () |
![]() |
|
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]
|
|
限定公開メンバ関数 |
|
bool | computeSaliencyImpl (InputArray image, OutputArray objectnessBoundingBox) CV_OVERRIDE |
Binarized normed gradientsアルゴリズムの達成に必要なすべての演算を実行し、すべての内部関数を呼び出します。[【詳解】(英語]
|
|
![]() |
|
void | writeFormat (FileStorage &fs) const |
その他の継承メンバ |
|
![]() |
|
String | className |
Objectnessに基づくアルゴリズム [3] [3] Cheng, Ming-Ming, et al. "BING: Binarized normed gradients for objectness estimation at 300fps." IEEE CVPR. 2014.
のBinarized normed gradientsアルゴリズムを使用しています。[BING]を使用しています。
|
protected virtual |
Binarized normed gradientsアルゴリズムの達成に必要なすべての演算を実行し、すべての内部関数を呼び出します。
image | の達成に必要なすべての演算と内部関数の呼び出しを行います。この特化したアルゴリズムの必要性に応じて,param画像は,単一の Mat |
objectnessBoundingBox | Objectness Bounding Box ベクトル。この特化したアルゴリズムが与える結果によると、objectnessBoundingBoxはベクトル<Vec4i>の. 各バウンディング・ボックスはVec4ifor (minX, minY, maxX, maxY). |
cv::saliency::Objectnessを実装します。
CV_WRAP std::vector< float > cv::saliency::ObjectnessBING::getobjectnessValues | ( | ) |
矩形のオブジェクトネス値のリストを返します。
と同じ順序でvector<Vec4i> objectnessBoundingBoxと同じ順番で返します.これらのスコアの値が大きければ大きいほど,オブジェクトウィンドウである可能性が高くなります.
CV_WRAP void cv::saliency::ObjectnessBING::setBBResDir | ( | const String & | resultsDir | ) |
これは,アルゴリズムがオプションの結果を保存する任意のパスを設定することができるユーティリティ関数です.
(を保存する任意のパスを設定できるユーティリティー関数です(つまり,objectess によって返された矩形の総数とリストを,各行ごとにファイルに書き込む).
resultsDir | 結果のフォルダパス |
CV_WRAP void cv::saliency::ObjectnessBING::setTrainingPath | ( | const String & | trainingPath | ) |
これは、アルゴリズムが学習したモデルをロードする正しいパスを設定するためのユーティリティー関数です。
trainingPath | 学習済みモデルのパス |