OpenCV 4.5.3(日本語機械翻訳)
|
モジュール |
|
Partial List of Implemented Layers | |
Utilities for New Layers Registration | |
クラス |
|
struct | cv::dnn::DictValue |
この構造体は, double, cv::String, int64 のいずれかのスカラ値(または配列)を格納します.[【詳解】(英語]
|
|
class | cv::dnn::Dict |
このクラスは,名前-値辞書を実装しており,値は以下のインスタンスです。DictValue.[【詳解】(英語]
|
|
class | cv::dnn::LayerParams |
このクラスは、レイヤの初期化に必要なすべてのデータを提供します。[【詳解】(英語]
|
|
class | cv::dnn::BackendNode |
このクラスの派生クラスは、特定のバックエンドの機能をカプセル化します。[【詳解】(英語]
|
|
class | cv::dnn::BackendWrapper |
このクラスの派生品はcv::Matこのクラスの派生は、異なるバックエンドやターゲットのために[【詳解】(英語]
|
|
class | cv::dnn::Layer |
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。[【詳解】(英語]
|
|
class | cv::dnn::Net |
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。[【詳解】(英語]
|
|
class | cv::dnn::Model |
このクラスは,ニューラルネットワークの高レベルAPIです.[【詳解】(英語]
|
|
class | cv::dnn::ClassificationModel |
このクラスは、分類モデルの高レベルAPIを表します。[【詳解】(英語]
|
|
class | cv::dnn::KeypointsModel |
このクラスは,キーポイントモデルに対する高レベルの API を表します.[【詳解】(英語]
|
|
class | cv::dnn::SegmentationModel |
このクラスは,セグメンテーションモデルの高レベルな API を表します.[【詳解】(英語]
|
|
class | cv::dnn::DetectionModel |
このクラスは,物体検出ネットワークの高レベルAPIを表します.[【詳解】(英語]
|
|
class | cv::dnn::TextRecognitionModel |
このクラスは、テキスト認識ネットワークの高レベルAPIを表します。[【詳解】(英語]
|
|
class | cv::dnn::TextDetectionModel |
テキスト検出ネットワークのベースクラス[【詳解】(英語]
|
|
class | cv::dnn::TextDetectionModel_EAST |
このクラスは,EASTモデルに対応したテキスト検出DLネットワークの高レベルAPIを表しています。[【詳解】(英語]
|
|
class | cv::dnn::TextDetectionModel_DB |
このクラスは、DBモデルと互換性のあるテキスト検出DLネットワークのための高レベルAPIを表します。[【詳解】(英語]
|
|
型定義 |
|
typedef std::vector< int > | cv::dnn::MatShape |
列挙型 |
|
enum |
cv::dnn::Backend
{
cv::dnn::DNN_BACKEND_DEFAULT = 0 , DNN_BACKEND_HALIDE , cv::dnn::DNN_BACKEND_INFERENCE_ENGINE , DNN_BACKEND_OPENCV , DNN_BACKEND_VKCOM , DNN_BACKEND_CUDA } |
レイヤーがサポートする計算バックエンドの列挙。[【詳解】(英語]
|
|
enum |
cv::dnn::Target
{
DNN_TARGET_CPU = 0 , DNN_TARGET_OPENCL , DNN_TARGET_OPENCL_FP16 , DNN_TARGET_MYRIAD , DNN_TARGET_VULKAN , cv::dnn::DNN_TARGET_FPGA , DNN_TARGET_CUDA , DNN_TARGET_CUDA_FP16 , DNN_TARGET_HDDL } |
計算対象となるデバイスの列挙[【詳解】(英語]
|
|
関数 |
|
CV_EXPORTS std::vector< std::pair< Backend, Target > > | cv::dnn::getAvailableBackends () |
CV_EXPORTS_W std::vector< Target > | cv::dnn::getAvailableTargets (dnn::Backend be) |
CV_EXPORTS void | cv::dnn::enableModelDiagnostics (bool isDiagnosticsMode) |
CV DNN API による DNN モデルの読み込みの詳細なロギングを有効にします.[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromDarknet (const String &cfgFile, const String &darknetModel=String()) |
に格納されているネットワークモデルを読み込みます。ダークネットモデルファイルのパスです。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromDarknet (const std::vector< uchar > &bufferCfg, const std::vector< uchar > &bufferModel=std::vector< uchar >()) |
に格納されているネットワークモデルを読み込みます。ダークネットモデルファイルのパスです。[【詳解】(英語]
|
|
CV_EXPORTS Net | cv::dnn::readNetFromDarknet (const char *bufferCfg, size_t lenCfg, const char *bufferModel=NULL, size_t lenModel=0) |
に格納されているネットワークモデルを読み込みます。ダークネットモデルファイルのパスです。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromCaffe (const String &prototxt, const String &caffeModel=String()) |
に格納されているネットワークモデルを読み込みます。Caffeフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromCaffe (const std::vector< uchar > &bufferProto, const std::vector< uchar > &bufferModel=std::vector< uchar >()) |
メモリ上のCaffeモデルに格納されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS Net | cv::dnn::readNetFromCaffe (const char *bufferProto, size_t lenProto, const char *bufferModel=NULL, size_t lenModel=0) |
メモリ上のCaffeモデルに格納されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromTensorflow (const String &model, const String &config=String()) |
に格納されているネットワークモデルを読み込みます。TensorFlowフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromTensorflow (const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >()) |
に格納されているネットワークモデルを読み込みます。TensorFlowフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS Net | cv::dnn::readNetFromTensorflow (const char *bufferModel, size_t lenModel, const char *bufferConfig=NULL, size_t lenConfig=0) |
に格納されているネットワークモデルを読み込みます。TensorFlowフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromTorch (const String &model, bool isBinary=true, bool evaluate=true) |
に格納されているネットワークモデルを読み込みます。トーチ7フレームワークのフォーマットで保存されたネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNet (const String &model, const String &config="", const String &framework="") |
サポートされているフォーマットのいずれかで表現された深層学習ネットワークを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNet (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >()) |
サポートされているフォーマットのいずれかで表現された深層学習ネットワークを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Mat | cv::dnn::readTorchBlob (const String &filename, bool isBinary=true) |
Torch7 フレームワークの torch.Tensor オブジェクトとしてシリアル化された blob を読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromModelOptimizer (const String &xml, const String &bin) |
IntelのOptimizerの中間表現からネットワークを読み込みます。Modelオプティマイザーの中間表現からネットワークを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights) |
IntelのOptimizerの中間表現からネットワークを読み込みます。Modelオプティマイザーの中間表現からネットワークを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS Net | cv::dnn::readNetFromModelOptimizer (const uchar *bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar *bufferWeightsPtr, size_t bufferWeightsSize) |
IntelのOptimizerの中間表現からネットワークを読み込みます。Modelオプティマイザーの中間表現からネットワークを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromONNX (const String &onnxFile) |
ネットワークモデルの読み込みONNX.[【詳解】(英語]
|
|
CV_EXPORTS Net | cv::dnn::readNetFromONNX (const char *buffer, size_t sizeBuffer) |
からネットワークモデルを読み込みます。ONNXインメモリバッファからネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Net | cv::dnn::readNetFromONNX (const std::vector< uchar > &buffer) |
からネットワークモデルを読み込みます。ONNXインメモリバッファからネットワークモデルを読み込みます。[【詳解】(英語]
|
|
CV_EXPORTS_W Mat | cv::dnn::readTensorFromONNX (const String &path) |
.pbファイルからblobを作成します。[【詳解】(英語]
|
|
CV_EXPORTS_W Mat | cv::dnn::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) |
画像から4次元のブロブを作成します。オプションでサイズ変更とクロップimage 中心からのリサイズ、クロップ、値の減算mean 値の減算,値のスケーリングscalefactor 青と赤のチャンネルを入れ替えます。[【詳解】(英語]
|
|
CV_EXPORTS void | cv::dnn::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) |
画像から4次元のblobを作成します。[【詳解】(英語]
|
|
CV_EXPORTS_W Mat | cv::dnn::blobFromImages (InputArrayOfArrays images, double scalefactor=1.0, Size size=Size(), const Scalar &mean=Scalar(), bool swapRB=false, bool crop=false, int ddepth=CV_32F) |
一連の画像から 4 次元の blob を作成します。オプションで、サイズ変更と切り抜きを行います。images 中心からのリサイズ、クロップ、値の減算mean 値の減算,値のスケーリングscalefactor 青と赤のチャンネルを入れ替えます。[【詳解】(英語]
|
|
CV_EXPORTS void | cv::dnn::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) |
一連の画像から4次元のblobを作成します。[【詳解】(英語]
|
|
CV_EXPORTS_W void | cv::dnn::imagesFromBlob (const cv::Mat &blob_, OutputArrayOfArrays images_) |
4次元blobを解析し,それに含まれる画像を,より単純なデータ構造(std::vector<cv::Mat>)を介して2次元配列として出力します.[【詳解】(英語]
|
|
CV_EXPORTS_W void | cv::dnn::shrinkCaffeModel (const String &src, const String &dst, const std::vector< String > &layersTypes=std::vector< String >()) |
Caffe ネットワークのすべての重みを半精度浮動小数点に変換します。[【詳解】(英語]
|
|
CV_EXPORTS_W void | cv::dnn::writeTextGraph (const String &model, const String &output) |
プロトコルバッファ形式で保存されたバイナリネットワークのテキスト表現を作成します。[【詳解】(英語]
|
|
CV_EXPORTS void | cv::dnn::NMSBoxes (const std::vector< Rect > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, CV_OUT std::vector< int > &indices, const float eta=1.f, const int top_k=0) |
与えられたボックスと,それに対応するスコアを用いて,非最大級の抑制を行います.[【詳解】(英語]
|
|
CV_EXPORTS_W void | cv::dnn::NMSBoxes (const std::vector< Rect2d > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, CV_OUT std::vector< int > &indices, const float eta=1.f, const int top_k=0) |
変数 |
|
class CV_EXPORTS | cv::dnn::ActivationLayer |
This module contains:
Functionality of this module is designed only for forward pass computations (i.e. network testing). A network training is in principle not supported.
enum cv::dnn::Backend |
enum cv::dnn::Target |
CV_EXPORTS_W Mat cv::dnn::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 |
||
) |
画像から4次元のブロブを作成します。オプションでサイズ変更とクロップimage
中心からのリサイズ、クロップ、値の減算mean
値の減算,値のスケーリングscalefactor
青と赤のチャンネルを入れ替えます。
image | 入力画像(1,3,4チャンネル). |
size | 出力画像の空間サイズ |
mean | チャンネルから減算される平均値を持つスカラー.の場合,値は (mean-R, mean-G, mean-B) の順になるように意図されています.image がBGR順でありswapRB が真であれば |
scalefactor | の乗数image 値の乗数. |
swapRB | 3チャンネル画像の最初と最後のチャンネルを入れ替える必要があることを示すフラグ. |
crop | リサイズ後に画像をクロップするかどうかを示すフラグ. |
ddepth | 出力されるblobの深さ.CV_32F または CV_8U を選択します. |
もしcrop
が真の場合,入力画像はリサイズされ,リサイズ後の片側が対応する次元と等しくなり,もう片側が同等以上になります.size
の対応する寸法と等しくなり,もう片方の寸法は同等かそれ以上になります.そして,中央からの切り出しが行われます.もしcrop
が偽の場合,アスペクト比を維持したままクロップを行わない直接のリサイズが行われます.
CV_EXPORTS void cv::dnn::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 |
||
) |
画像から4次元のblobを作成します。
これはオーバーロードされたメンバー関数で、利便性のために提供されています。上記の関数との違いは、どのような引数を受け取るかだけです。
CV_EXPORTS_W Mat cv::dnn::blobFromImages | ( | InputArrayOfArrays | images, |
double |
scalefactor
=
1.0 ,
|
||
Size |
size
=
Size() ,
|
||
const Scalar & |
mean
=
Scalar() ,
|
||
bool |
swapRB
=
false ,
|
||
bool |
crop
=
false ,
|
||
int |
ddepth
=
CV_32F |
||
) |
一連の画像から 4 次元の blob を作成します。オプションで、サイズ変更と切り抜きを行います。images
中心からのリサイズ、クロップ、値の減算mean
値の減算,値のスケーリングscalefactor
青と赤のチャンネルを入れ替えます。
images | 入力画像(1,3,4チャンネル)をリサイズ,クロップします. |
size | 出力画像の空間サイズ |
mean | チャンネルから減算される平均値を持つスカラー.の場合,値は (mean-R, mean-G, mean-B) の順になるように意図されています.image がBGR順でありswapRB が真であれば |
scalefactor | の乗数images 値の乗数. |
swapRB | 3チャンネル画像の最初と最後のチャンネルを入れ替える必要があることを示すフラグ. |
crop | リサイズ後に画像をクロップするかどうかを示すフラグ. |
ddepth | 出力されるblobの深さ.CV_32F または CV_8U を選択します. |
もしcrop
が真の場合,入力画像はリサイズされ,リサイズ後の片側が対応する次元と等しくなり,もう片側が同等以上になります.size
の対応する寸法と等しくなり,もう片方の寸法は同等かそれ以上になります.そして,中央からの切り出しが行われます.もしcrop
が偽の場合,アスペクト比を維持したままクロップを行わない直接のリサイズが行われます.
CV_EXPORTS void cv::dnn::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 |
||
) |
一連の画像から4次元のblobを作成します。
これはオーバーロードされたメンバー関数で、利便性のために提供されています。上記の関数との違いは、どのような引数を受け取るかだけです。
CV_EXPORTS void cv::dnn::enableModelDiagnostics | ( | bool | isDiagnosticsMode | ) |
CV DNN API による DNN モデルの読み込みの詳細なロギングを有効にします.
[in]. | isDiagnosticsMode | 診断モードを設定するかどうかを示します. |
診断モードでは,モデルの読み込み段階の詳細なロギングを行い,潜在的な問題(例:実装されていないレイヤタイプ)を調査します.
CV_EXPORTS_W void cv::dnn::imagesFromBlob | ( | const cv::Mat & | blob_, |
OutputArrayOfArrays | images_ | ||
) |
4次元blobを解析し,それに含まれる画像を,より単純なデータ構造(std::vector<cv::Mat>)を介して2次元配列として出力します.
[in]. | blob_ | 画像を抽出したい4次元配列(images, channels, height, width),浮動小数点精度(CV_32F). |
[out]. | images_ | 2次元の配列Matblobから抽出された画像を含む,浮動小数点精度(CV_32F)の2次元配列.これらの画像は,平均値を加えずに正規化されていません.返される画像の数は,blobの1次元(バッチサイズ)に等しくなります.すべての画像は,blobの2番目の次元(depth)に等しいチャンネル数を持ちます. |
CV_EXPORTS void cv::dnn::NMSBoxes | ( | const std::vector< Rect > & | bboxes, |
const std::vector< float > & | scores, | ||
const float | score_threshold, | ||
const float | nms_threshold, | ||
CV_OUT std::vector< int > & | indices, | ||
const float |
eta
=
1.f ,
|
||
const int |
top_k
=
0 |
||
) |
与えられたボックスと,それに対応するスコアを用いて,非最大級の抑制を行います.
bboxes | NMSを適用するためのバウンディングボックスのセット. |
scores | 対応するコンフィデンスのセット |
score_threshold | スコアによるボックスのフィルタリングに使用される閾値 |
nms_threshold | 非最大級の抑制に使用される閾値 |
indices | NMS後のbboxesの保持インデックス |
eta | 適応性のある閾値式の係数.![]() |
top_k | もし>0 最大でtop_k ピックされたインデックス. |
CV_EXPORTS_W Net cv::dnn::readNet | ( | const String & | framework, |
const std::vector< uchar > & | bufferModel, | ||
const std::vector< uchar > & |
bufferConfig
=
std::vector< uchar >() |
||
) |
サポートされているフォーマットのいずれかで表現された深層学習ネットワークを読み込みます。
これはオーバーロードされたメンバー関数で、利便性のために提供されています。上記の関数との違いは、どのような引数を受け取るかだけです。
[in]. | framework | オリジンフレームワークの名前。 |
[in]. | bufferModel | 重みが書かれたバイナリファイルの内容を持つバッファ |
[in]. | bufferConfig | テキストファイルの内容を持つバッファには、ネットワークの設定が格納されています。 |
CV_EXPORTS_W Net cv::dnn::readNet | ( | const String & | model, |
const String & |
config
=
"" ,
|
||
const String & |
framework
=
"" |
||
) |
サポートされているフォーマットのいずれかで表現された深層学習ネットワークを読み込みます。
[in]. | model | バイナリファイルには学習済みの重みが格納されています。異なるフレームワークのモデルでは,次のようなファイル拡張子が想定されます。
|
[in]. | config | ネットワーク設定を含むテキストファイルです。以下のような拡張子のファイルになります。
|
[in]. | framework | 明示的なフレームワーク名タグでフォーマットを決定します。 |
readNetFromCaffe, readNetFromTensorflow, readNetFromTorch, readNetFromDarknetなど、学習したモデルのオリジンフレームワークを自動的に検出し、適切な関数を呼び出します。順序としてはmodel
およびconfig
引数の順番は関係ありません。
CV_EXPORTS Net cv::dnn::readNetFromCaffe | ( | const char * | bufferProto, |
size_t | lenProto, | ||
const char * |
bufferModel
=
NULL ,
|
||
size_t |
lenModel
=
0 |
||
) |
メモリ上のCaffeモデルに格納されたネットワークモデルを読み込みます。
これはオーバーロードされたメンバー関数で、利便性のために提供されています。上記の関数との違いは、どのような引数を受け取るかだけです。
bufferProto | .prototxt ファイルの内容を含むバッファ |
lenProto | バッファProtoの長さ |
bufferModel | .caffemodel ファイルの内容を含むバッファ |
lenModel | bufferModel の長さ |
CV_EXPORTS_W Net cv::dnn::readNetFromCaffe | ( | const std::vector< uchar > & | bufferProto, |
const std::vector< uchar > & |
bufferModel
=
std::vector< uchar >() |
||
) |
メモリ上のCaffeモデルに格納されたネットワークモデルを読み込みます。
bufferProto | .prototxt ファイルの内容を含むバッファ |
bufferModel | .caffemodel ファイルの内容を含むバッファ |
CV_EXPORTS_W Net cv::dnn::readNetFromCaffe | ( | const String & | prototxt, |
const String & |
caffeModel
=
String() |
||
) |
CV_EXPORTS Net cv::dnn::readNetFromDarknet | ( | const char * | bufferCfg, |
size_t | lenCfg, | ||
const char * |
bufferModel
=
NULL ,
|
||
size_t |
lenModel
=
0 |
||
) |
CV_EXPORTS_W Net cv::dnn::readNetFromDarknet | ( | const std::vector< uchar > & | bufferCfg, |
const std::vector< uchar > & |
bufferModel
=
std::vector< uchar >() |
||
) |
CV_EXPORTS_W Net cv::dnn::readNetFromDarknet | ( | const String & | cfgFile, |
const String & |
darknetModel
=
String() |
||
) |
CV_EXPORTS_W Net cv::dnn::readNetFromModelOptimizer | ( | const std::vector< uchar > & | bufferModelConfig, |
const std::vector< uchar > & | bufferWeights | ||
) |
IntelのOptimizerの中間表現からネットワークを読み込みます。Modelオプティマイザーの中間表現からネットワークを読み込みます。
[in]. | bufferModelConfig | バッファには、ネットワークのトポロジーを含む XML 設定が格納されています。 |
[in]. | bufferWeights | バッファには学習された重みのバイナリデータが格納されています。 |
CV_EXPORTS_W Net cv::dnn::readNetFromModelOptimizer | ( | const String & | xml, |
const String & | bin | ||
) |
CV_EXPORTS Net cv::dnn::readNetFromModelOptimizer | ( | const uchar * | bufferModelConfigPtr, |
size_t | bufferModelConfigSize, | ||
const uchar * | bufferWeightsPtr, | ||
size_t | bufferWeightsSize | ||
) |
IntelのOptimizerの中間表現からネットワークを読み込みます。Modelオプティマイザーの中間表現からネットワークを読み込みます。
[in]. | bufferModelConfigPtr | ネットワークのトポロジーを含む XML 設定を含むバッファへのポインタ。 |
[in]. | bufferModelConfigSize | XML 構成データのバイナリサイズ。 |
[in]. | bufferWeightsPtr | 学習済みウェイトのバイナリデータを格納したバッファへのポインタです。 |
[in]. | bufferWeightsSize | 学習済み重みデータのバイナリサイズ |
CV_EXPORTS Net cv::dnn::readNetFromONNX | ( | const char * | buffer, |
size_t | sizeBuffer | ||
) |
からネットワークモデルを読み込みます。ONNXインメモリバッファからネットワークモデルを読み込みます。
buffer | バッファの1バイト目のメモリアドレス。 |
sizeBuffer | バッファのサイズ。 |
CV_EXPORTS_W Net cv::dnn::readNetFromONNX | ( | const std::vector< uchar > & | buffer | ) |
からネットワークモデルを読み込みます。ONNXインメモリバッファからネットワークモデルを読み込みます。
buffer | ONNXのモデルバイトを格納するメモリ内バッファ。 |
CV_EXPORTS_W Net cv::dnn::readNetFromONNX | ( | const String & | onnxFile | ) |
CV_EXPORTS Net cv::dnn::readNetFromTensorflow | ( | const char * | bufferModel, |
size_t | lenModel, | ||
const char * |
bufferConfig
=
NULL ,
|
||
size_t |
lenConfig
=
0 |
||
) |
に格納されているネットワークモデルを読み込みます。TensorFlowフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。
これはオーバーロードされたメンバー関数で、利便性のために提供されています。上記の関数との違いは、どのような引数を受け取るかだけです。
bufferModel | pbファイルの内容を含むバッファ |
lenModel | bufferModel の長さ |
bufferConfig | pbtxtファイルの内容を格納するバッファ |
lenConfig | bufferConfigの長さ |
CV_EXPORTS_W Net cv::dnn::readNetFromTensorflow | ( | const std::vector< uchar > & | bufferModel, |
const std::vector< uchar > & |
bufferConfig
=
std::vector< uchar >() |
||
) |
に格納されているネットワークモデルを読み込みます。TensorFlowフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。
bufferModel | pbファイルの内容を含むバッファ |
bufferConfig | pbtxtファイルの内容を格納するバッファ |
CV_EXPORTS_W Net cv::dnn::readNetFromTensorflow | ( | const String & | model, |
const String & |
config
=
String() |
||
) |
に格納されているネットワークモデルを読み込みます。TensorFlowフレームワークのフォーマットで保存されたネットワークモデルを読み込みます。
model | ネットワーク・アーキテクチャのバイナリ・プロトブフの記述がある.pbファイルへのパス |
config | protobuf形式のテキストグラフ定義を含む.pbtxtファイルへのパス。結果Netオブジェクトは、バイナリグラフの重みを利用したテキストグラフで構築されており、より柔軟性の高いものとなっています。 |
CV_EXPORTS_W Net cv::dnn::readNetFromTorch | ( | const String & | model, |
bool |
isBinary
=
true ,
|
||
bool |
evaluate
=
true |
||
) |
に格納されているネットワークモデルを読み込みます。トーチ7フレームワークのフォーマットで保存されたネットワークモデルを読み込みます。
model | torch.save()関数を使ってTorchからダンプされたファイルへのパス。 |
isBinary | ネットワークがアスキーモードでシリアル化されたか、バイナリモードでシリアル化されたかを指定します。 |
evaluate | は、ネットワークのテスト段階を指定します。trueの場合は、Torchのevaluate()メソッドに似ています。 |
long
バイナリモードでは、C言語のビット長がシステムによって異なるため、アスキーモードの方が好ましいです。ロードファイルには、シリアル化されたnn.Moduleオブジェクトが含まれていなければなりません。インポート時のエラーを避けるため、シリアル化されたデータからカスタムオブジェクトを取り除くようにしてください。
サポートされているレイヤのリスト(Torch nn.Moduleクラスから派生したオブジェクト・インスタンス)。
また、cunn、cudnn、fbcunnのこれらのクラスに相当するものも正常にインポートされる場合があります。
CV_EXPORTS_W Mat cv::dnn::readTensorFromONNX | ( | const String & | path | ) |
CV_EXPORTS_W Mat cv::dnn::readTorchBlob | ( | const String & | filename, |
bool |
isBinary
=
true |
||
) |
Torch7 フレームワークの torch.Tensor オブジェクトとしてシリアル化された blob を読み込みます。
CV_EXPORTS_W void cv::dnn::shrinkCaffeModel | ( | const String & | src, |
const String & | dst, | ||
const std::vector< String > & |
layersTypes
=
std::vector< String >() |
||
) |
Caffe ネットワークのすべての重みを半精度浮動小数点に変換します。
src | Caffe フレームワークからの原点モデルへのパスには、単精度浮動小数点の重みが含まれています(通常、拡張子は.caffemodel 拡張がある)。 |
dst | 更新された重みを持つ宛先モデルへのパス。 |
layersTypes | パラメータが変換されるレイヤータイプのセット。デフォルトでは、Convolutional および Fully-Connected レイヤーのウェイトのみを変換します。 |
CV_EXPORTS_W void cv::dnn::writeTextGraph | ( | const String & | model, |
const String & | output | ||
) |
プロトコルバッファ形式で保存されたバイナリネットワークのテキスト表現を作成します。
[in]. | model | バイナリネットワークへのパス。 |
[in]. | output | 作成される出力テキストファイルへのパス。 |