実装済みレイヤーの一部リスト

詳細説明

この dnn モジュールのサブセクションには、組み込みレイヤとその説明に関する情報が含まれる。

ここに列挙されているクラスは、実際には組み込みレイヤーのインスタンスを生成するための C++ API を提供する。このレイヤー生成方法に加えて、より一般的なファクトリ API（新規レイヤー登録のためのユーティリティ を参照）があり、レイヤーを動的に（名前で）生成したり、新しいレイヤーを登録したりできる。両方の API を使用できるが、ファクトリ API はネイティブ C++ プログラミングにはあまり便利でなく、基本的にインポーター内部での使用を目的に設計されている（readNetFromTensorflow() を参照）。

組み込みレイヤーは、対応する ONNX および TensorFlow 演算子の機能を再現する。次のレイヤーは、インポートしたネットワークを組み立てるために使われる中核的な構成要素の一部である：

• Convolution
• Deconvolution
• Pooling
• InnerProduct
• TanH, ReLU, Sigmoid, BNLL, Power, AbsVal
• Softmax
• Reshape, Flatten, Slice, Split
• LRN
• MVN
• Dropout（フォワードパスでは何もしないため -))

クラス
class	cv::dnn::AbsLayer
class	cv::dnn::AccumLayer
class	cv::dnn::AcoshLayer
class	cv::dnn::AcosLayer
struct	cv::dnn::ActivationInt8Params
class	cv::dnn::ActivationLayer
class	cv::dnn::ActivationLayerInt8
class	cv::dnn::AffineGridLayer
class	cv::dnn::ArgLayer
	ArgMax/ArgMin レイヤ。 続きを読む...
class	cv::dnn::AsinhLayer
class	cv::dnn::AsinLayer
class	cv::dnn::AtanhLayer
class	cv::dnn::AtanLayer
class	cv::dnn::AttentionLayer
class	cv::dnn::AttentionOnnxAiLayer
class	cv::dnn::AveragePoolLayer
class	cv::dnn::BaseConvolutionLayer
class	cv::dnn::BatchNorm2Layer
class	cv::dnn::BatchNormLayer
class	cv::dnn::BatchNormLayerInt8
class	cv::dnn::BitShiftLayer
class	cv::dnn::BlackmanWindowLayer
class	cv::dnn::BlankLayer
class	cv::dnn::BNLLLayer
class	cv::dnn::Cast2Layer
class	cv::dnn::CastLayer
class	cv::dnn::CeilLayer
class	cv::dnn::CeluLayer
class	cv::dnn::CenterCropPadLayer
class	cv::dnn::ChannelsPReLULayer
class	cv::dnn::ClipLayer
class	cv::dnn::CompareLayer
class	cv::dnn::Concat2Layer
class	cv::dnn::ConcatLayer
class	cv::dnn::ConstantOfShapeLayer
class	cv::dnn::ConstLayer
class	cv::dnn::Conv2Int8Layer
struct	cv::dnn::Conv2Int8Params
class	cv::dnn::Conv2Layer
class	cv::dnn::ConvolutionLayer
class	cv::dnn::ConvolutionLayerInt8
class	cv::dnn::ConvTranspose2Layer
class	cv::dnn::CorrelationLayer
class	cv::dnn::CoshLayer
class	cv::dnn::CosLayer
class	cv::dnn::CropAndResizeLayer
class	cv::dnn::CropLayer
class	cv::dnn::CumSumLayer
class	cv::dnn::DataAugmentationLayer
class	cv::dnn::DeconvolutionLayer
class	cv::dnn::DepthToSpaceLayer
class	cv::dnn::DequantizeLayer
class	cv::dnn::DequantizeLinearLayer
class	cv::dnn::DetectionOutputLayer
	検出出力レイヤ。 続きを読む...
class	cv::dnn::DetLayer
class	cv::dnn::DFTLayer
class	cv::dnn::EinsumLayer
	この関数はアインシュタインの縮約記法に基づいて配列の総和を実行する。この関数により、添字を用いてさまざまな数学的演算を簡潔に表現できる。 続きを読む...
class	cv::dnn::Eltwise2Int8Layer
struct	cv::dnn::Eltwise2Int8Params
class	cv::dnn::EltwiseLayer
	入力に対する要素ごとの演算。 続きを読む...
class	cv::dnn::EltwiseLayerInt8
class	cv::dnn::ELULayer
class	cv::dnn::ErfLayer
class	cv::dnn::Expand2Layer
class	cv::dnn::ExpandLayer
class	cv::dnn::ExpLayer
class	cv::dnn::EyeLikeLayer
class	cv::dnn::FlattenLayer
class	cv::dnn::FloorLayer
class	cv::dnn::FlowWarpLayer
class	cv::dnn::Gather2Layer
class	cv::dnn::GatherElementsLayer
	GatherElements レイヤ。GatherElements は、同じランク r >= 1 を持つ 2 つの入力 data と indices、およびオプションの属性 axis を受け取り、次のように動作する: axis = 0 かつ r = 3 のとき output[i][j][k] = data[index[i][j][k]][j][k]、axis = 1 かつ r = 3 のとき output[i][j][k] = data[i][index[i][j][k]][k]、axis = 2 かつ r = 3 のとき output[i][j][k] = data[i][j][index[i][j][k]]。 続きを読む...
class	cv::dnn::GatherLayer
	Gather レイヤ。 続きを読む...
class	cv::dnn::GatherNDLayer
	GatherND レイヤー。続き...
class	cv::dnn::GeluApproximationLayer
class	cv::dnn::GeluLayer
class	cv::dnn::GemmLayer
class	cv::dnn::GlobalAveragePoolLayer
class	cv::dnn::GridSampleLayer
class	cv::dnn::GroupNormLayer
class	cv::dnn::GRULayer
	GRU リカレント単層。 続きを読む...
class	cv::dnn::HammingWindowLayer
class	cv::dnn::HannWindowLayer
class	cv::dnn::HardmaxLayer
class	cv::dnn::HardSigmoidLayer
class	cv::dnn::HardSwishLayer
class	cv::dnn::IfLayer
struct	cv::dnn::InnerProductInt8Params
class	cv::dnn::InnerProductLayer
class	cv::dnn::InnerProductLayerInt8
class	cv::dnn::InstanceNormLayer
class	cv::dnn::InterpLayer
	https://github.com/cdmh/deeplab-public-ver2 によるバイリニアリサイズレイヤ。 続きを読む...
class	cv::dnn::IsInfLayer
class	cv::dnn::IsNaNLayer
class	cv::dnn::LayerNorm2Layer
class	cv::dnn::LayerNormLayer
class	cv::dnn::LogLayer
class	cv::dnn::LoopLayer
class	cv::dnn::LRNLayer
class	cv::dnn::LSTM2Layer
class	cv::dnn::LSTMLayer
	LSTM リカレントレイヤ。 続きを読む...
class	cv::dnn::MatMulInt8Layer
struct	cv::dnn::MatMulInt8Params
class	cv::dnn::MatMulLayer
class	cv::dnn::MaxPoolLayer
class	cv::dnn::MaxUnpoolLayer
class	cv::dnn::MishLayer
class	cv::dnn::MVNLayer
class	cv::dnn::NaryEltwiseLayer
class	cv::dnn::NegativeLogLikelihoodLossLayer
class	cv::dnn::NonMaxSuppressionLayer
class	cv::dnn::NonZeroLayer
class	cv::dnn::NormalizeBBoxLayer
	\( L_p \) 正規化レイヤ。 続きを読む...
class	cv::dnn::NotLayer
class	cv::dnn::OneHotLayer
class	cv::dnn::Pad2Layer
class	cv::dnn::PaddingLayer
	特定の軸に追加の値を加える。 続きを読む...
class	cv::dnn::PermuteLayer
class	cv::dnn::Pool2Int8Layer
struct	cv::dnn::Pool2Int8Params
class	cv::dnn::PoolingLayer
class	cv::dnn::PoolingLayerInt8
class	cv::dnn::PowerLayer
class	cv::dnn::PriorBoxLayer
class	cv::dnn::ProposalLayer
class	cv::dnn::QuantizeLayer
class	cv::dnn::QuantizeLinearLayer
class	cv::dnn::RandomNormalLikeLayer
class	cv::dnn::RangeLayer
class	cv::dnn::ReciprocalLayer
class	cv::dnn::Reduce2Layer
class	cv::dnn::ReduceLayer
class	cv::dnn::RegionLayer
class	cv::dnn::ReLU6Layer
class	cv::dnn::ReLULayer
class	cv::dnn::ReorgLayer
class	cv::dnn::RequantizeLayer
class	cv::dnn::Reshape2Layer
class	cv::dnn::ReshapeLayer
class	cv::dnn::Resize2Layer
class	cv::dnn::ResizeLayer
	入力の 4 次元 blob を最近傍法またはバイリニア法でリサイズする。 続きを読む...
class	cv::dnn::RMSNormLayer
class	cv::dnn::RNNLayer
	古典的なリカレントレイヤ。 続きを読む...
class	cv::dnn::RoiAlignLayer
class	cv::dnn::RotaryEmbeddingLayer
class	cv::dnn::RoundLayer
class	cv::dnn::ScaleLayer
class	cv::dnn::ScaleLayerInt8
class	cv::dnn::ScatterLayer
class	cv::dnn::ScatterNDLayer
class	cv::dnn::SDPALayer
class	cv::dnn::SeluLayer
class	cv::dnn::ShapeLayer
class	cv::dnn::ShiftLayer
class	cv::dnn::ShiftLayerInt8
class	cv::dnn::ShrinkLayer
class	cv::dnn::ShuffleChannelLayer
class	cv::dnn::SigmoidLayer
class	cv::dnn::SignLayer
class	cv::dnn::SinhLayer
class	cv::dnn::SinLayer
class	cv::dnn::SizeLayer
class	cv::dnn::Slice2Layer
class	cv::dnn::SliceLayer
class	cv::dnn::SoftmaxCrossEntropyLossLayer
class	cv::dnn::SoftmaxLayer
class	cv::dnn::SoftmaxLayerInt8
class	cv::dnn::SoftplusLayer
class	cv::dnn::SoftsignLayer
class	cv::dnn::SpaceToDepthLayer
class	cv::dnn::Split2Layer
class	cv::dnn::SplitLayer
class	cv::dnn::SqrtLayer
class	cv::dnn::SqueezeLayer
class	cv::dnn::SwishLayer
class	cv::dnn::TanHLayer
class	cv::dnn::TanLayer
class	cv::dnn::ThresholdedReluLayer
class	cv::dnn::Tile2Layer
class	cv::dnn::TileLayer
class	cv::dnn::TopK2Layer
class	cv::dnn::TopKLayer
class	cv::dnn::TransformLayoutLayer
class	cv::dnn::TransposeLayer
class	cv::dnn::TriluLayer
class	cv::dnn::UniqueLayer
class	cv::dnn::UnsqueezeLayer

型定義
typedef void(*	cv::dnn::ActivationFunc) (const void *input, void *output, size_t len, const float *params)

列挙型
enum	cv::dnn::ActivationType {   cv::dnn::ACTIV_NONE = 0 ,   cv::dnn::ACTIV_MISH ,   cv::dnn::ACTIV_SWISH ,   cv::dnn::ACTIV_SIGMOID ,   cv::dnn::ACTIV_TANH ,   cv::dnn::ACTIV_ELU ,   cv::dnn::ACTIV_HARDSWISH ,   cv::dnn::ACTIV_HARDSIGMOID ,   cv::dnn::ACTIV_GELU ,   cv::dnn::ACTIV_GELU_APPROX ,   cv::dnn::ACTIV_RELU ,   cv::dnn::ACTIV_CLIP }
enum	cv::dnn::AutoPadding {   cv::dnn::AUTO_PAD_NONE = 0 ,   cv::dnn::AUTO_PAD_SAME_UPPER = 1 ,   cv::dnn::AUTO_PAD_SAME_LOWER = 2 ,   cv::dnn::AUTO_PAD_VALID = 3 }
enum	cv::dnn::LossReduction {   cv::dnn::LOSS_REDUCTION_NONE = 0 ,   cv::dnn::LOSS_REDUCTION_MEAN = 1 ,   cv::dnn::LOSS_REDUCTION_SUM = 2 }

関数
ActivationFunc	cv::dnn::getActivationFunc (int activationType)

型定義詳解

ActivationFunc

typedef void(* cv::dnn::ActivationFunc) (const void *input, void *output, size_t len, const float *params)

#include <opencv2/dnn/all_layers.hpp>

列挙型詳解

ActivationType

enum cv::dnn::ActivationType

#include <opencv2/dnn/all_layers.hpp>

ディスパッチされる活性化関数の取得に用いる活性化タイプの列挙。

列挙値
ACTIV_NONE  Python: cv.dnn.ACTIV_NONE
ACTIV_MISH  Python: cv.dnn.ACTIV_MISH
ACTIV_SWISH  Python: cv.dnn.ACTIV_SWISH
ACTIV_SIGMOID  Python: cv.dnn.ACTIV_SIGMOID
ACTIV_TANH  Python: cv.dnn.ACTIV_TANH
ACTIV_ELU  Python: cv.dnn.ACTIV_ELU
ACTIV_HARDSWISH  Python: cv.dnn.ACTIV_HARDSWISH
ACTIV_HARDSIGMOID  Python: cv.dnn.ACTIV_HARDSIGMOID
ACTIV_GELU  Python: cv.dnn.ACTIV_GELU
ACTIV_GELU_APPROX  Python: cv.dnn.ACTIV_GELU_APPROX
ACTIV_RELU  Python: cv.dnn.ACTIV_RELU
ACTIV_CLIP  Python: cv.dnn.ACTIV_CLIP

AutoPadding

enum cv::dnn::AutoPadding

#include <opencv2/dnn/all_layers.hpp>

列挙値
AUTO_PAD_NONE  Python: cv.dnn.AUTO_PAD_NONE
AUTO_PAD_SAME_UPPER  Python: cv.dnn.AUTO_PAD_SAME_UPPER
AUTO_PAD_SAME_LOWER  Python: cv.dnn.AUTO_PAD_SAME_LOWER
AUTO_PAD_VALID  Python: cv.dnn.AUTO_PAD_VALID

LossReduction

enum cv::dnn::LossReduction

#include <opencv2/dnn/all_layers.hpp>

列挙値
LOSS_REDUCTION_NONE  Python: cv.dnn.LOSS_REDUCTION_NONE
LOSS_REDUCTION_MEAN  Python: cv.dnn.LOSS_REDUCTION_MEAN
LOSS_REDUCTION_SUM  Python: cv.dnn.LOSS_REDUCTION_SUM

関数詳解

getActivationFunc()

ActivationFunc cv::dnn::getActivationFunc

(

int

activationType

)

#include <opencv2/dnn/all_layers.hpp>

指定したタイプに対して、プラットフォーム最適化された活性化関数のポインタを返す。返される関数は、利用可能な最良の ISA に向けて CPU ディスパッチによって選択される。