dnn.hpp ファイル

#include <ostream>
#include <vector>
#include <opencv2/core.hpp>
#include "opencv2/core/async.hpp"
#include "../dnn/version.hpp"
#include <opencv2/dnn/dict.hpp>
#include <opencv2/dnn/layer.hpp>
#include <opencv2/dnn/dnn.inl.hpp>
#include <opencv2/dnn/utils/inference_engine.hpp>

Include dependency graph for dnn.hpp:

This graph shows which files directly or indirectly include this file:

クラス
struct	cv::dnn::Arg
struct	cv::dnn::ArgData
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する。 詳細...
class	cv::dnn::BackendWrapper
	このクラスの派生クラスは、さまざまなバックエンドやターゲット向けに cv::Mat をラップする。続きを読む...
class	cv::dnn::ClassificationModel
	このクラスは分類モデルのための高レベルAPIを表す。 詳細...
class	cv::dnn::DetectionModel
	このクラスは物体検出ネットワークのための高レベルAPIを表す。 詳細...
class	cv::dnn::Graph
	モデルのグラフまたはサブグラフを表す。このグラフ（数学的には多重グラフ）は、トポロジカルソートされた線形の演算列として表現される。各演算は Layer（その派生クラスのインスタンス）へのスマートポインタであり、入力と出力のリストに加えて、省略可能なサブグラフのリスト（例: 'If' は2つのサブグラフを含む）を持つ。続きを読む...
struct	cv::dnn::Image2BlobParams
	画像をblobに変換する際の処理パラメータ。 詳細...
class	cv::dnn::KeypointsModel
	このクラスはキーポイントモデルのための高レベルAPIを表す。 詳細...
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新しいLayerの構築を可能にする。 詳細...
class	cv::dnn::LayerParams
	このクラスはレイヤーを初期化するために必要なすべてのデータを提供する。 詳細...
class	cv::dnn::Model
	このクラスはニューラルネットワークのための高レベルAPIを表す。 詳細...
class	cv::dnn::Net
	このクラスは、包括的な人工ニューラルネットワークの作成と操作を可能にする。 詳細...
class	cv::dnn::SegmentationModel
	このクラスはセグメンテーションモデルのための高レベルAPIを表す。 詳細...
class	cv::dnn::TextDetectionModel
	テキスト検出ネットワークの基底クラス。 詳細...
class	cv::dnn::TextDetectionModel_DB
	このクラスは、DBモデルに対応したテキスト検出DLネットワークのための高レベルAPIを表す。 詳細...
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ネットワークのための高レベルAPIを表す。 詳細...
class	cv::dnn::TextRecognitionModel
	このクラスはテキスト認識ネットワークのための高レベルAPIを表す。 詳細...
class	cv::dnn::Tokenizer
	DNN 利用向けの高レベルなトークナイザのラッパー。続きを読む...

名前空間
namespace	cv
namespace	cv::dnn
namespace	cv::dnn::accessor

型定義
typedef int	cv::dnn::MatType

列挙型
enum	cv::dnn::ArgKind {   cv::dnn::DNN_ARG_EMPTY =0 ,   cv::dnn::DNN_ARG_CONST =1 ,   cv::dnn::DNN_ARG_INPUT =2 ,   cv::dnn::DNN_ARG_OUTPUT =3 ,   cv::dnn::DNN_ARG_TEMP =4 ,   cv::dnn::DNN_ARG_PATTERN =5 }
enum	cv::dnn::Backend {   cv::dnn::DNN_BACKEND_DEFAULT = 0 ,   cv::dnn::DNN_BACKEND_INFERENCE_ENGINE = 2 ,   cv::dnn::DNN_BACKEND_OPENCV ,   cv::dnn::DNN_BACKEND_VKCOM ,   cv::dnn::DNN_BACKEND_CUDA ,   cv::dnn::DNN_BACKEND_WEBNN ,   cv::dnn::DNN_BACKEND_TIMVX ,   cv::dnn::DNN_BACKEND_CANN }
	レイヤがサポートする計算バックエンドの列挙。 続き...
enum	cv::dnn::EngineType {   cv::dnn::ENGINE_CLASSIC =1 ,   cv::dnn::ENGINE_NEW =2 ,   cv::dnn::ENGINE_AUTO =3 ,   cv::dnn::ENGINE_ORT =4 }
enum	cv::dnn::ImagePaddingMode {   cv::dnn::DNN_PMODE_NULL = 0 ,   cv::dnn::DNN_PMODE_CROP_CENTER = 1 ,   cv::dnn::DNN_PMODE_LETTERBOX = 2 }
	画像処理モードの列挙。dnn モデルの前処理要件の特殊化を容易にするためのもの。例えば、Yolo シリーズのモデルでよく使われる letter box など。 続き...
enum	cv::dnn::ModelFormat {   cv::dnn::DNN_MODEL_GENERIC = 0 ,   cv::dnn::DNN_MODEL_ONNX = 1 ,   cv::dnn::DNN_MODEL_TF = 2 ,   cv::dnn::DNN_MODEL_TFLITE = 3 }
enum	cv::dnn::ProfilingMode {   cv::dnn::DNN_PROFILE_NONE = 0 ,   cv::dnn::DNN_PROFILE_SUMMARY = 1 ,   cv::dnn::DNN_PROFILE_DETAILED = 2 }
enum class	cv::dnn::SoftNMSMethod {   cv::dnn::SoftNMSMethod::SOFTNMS_LINEAR = 1 ,   cv::dnn::SoftNMSMethod::SOFTNMS_GAUSSIAN = 2 }
	Soft NMS 手法の列挙。 続き...
enum	cv::dnn::Target {   cv::dnn::DNN_TARGET_CPU = 0 ,   cv::dnn::DNN_TARGET_OPENCL ,   cv::dnn::DNN_TARGET_OPENCL_FP16 ,   cv::dnn::DNN_TARGET_MYRIAD ,   cv::dnn::DNN_TARGET_VULKAN ,   cv::dnn::DNN_TARGET_FPGA ,   cv::dnn::DNN_TARGET_CUDA ,   cv::dnn::DNN_TARGET_CUDA_FP16 ,   cv::dnn::DNN_TARGET_HDDL ,   cv::dnn::DNN_TARGET_NPU ,   cv::dnn::DNN_TARGET_CPU_FP16 }
	計算対象デバイスの列挙。 続き...
enum	cv::dnn::TracingMode {   cv::dnn::DNN_TRACE_NONE = 0 ,   cv::dnn::DNN_TRACE_ALL = 1 ,   cv::dnn::DNN_TRACE_OP = 2 }

関数
std::string	cv::dnn::argKindToString (ArgKind kind)
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blobを作成する。必要に応じてimageを中心からリサイズおよびクロップし、mean値を減算し、scalefactorで値をスケーリングし、青と赤のチャンネルを入れ替える。
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を作成する。
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を作成する。必要に応じてimagesを中心からリサイズおよびクロップし、mean値を減算し、scalefactorで値をスケーリングし、青と赤のチャンネルを入れ替える。
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を作成する。
Mat	cv::dnn::blobFromImagesWithParams (InputArrayOfArrays images, const Image2BlobParams &param=Image2BlobParams())
	指定したパラメータで一連の画像から4次元のblobを作成する。
void	cv::dnn::blobFromImagesWithParams (InputArrayOfArrays images, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())
Mat	cv::dnn::blobFromImageWithParams (InputArray image, const Image2BlobParams &param=Image2BlobParams())
	指定したパラメータで画像から4次元のblobを作成する。
void	cv::dnn::blobFromImageWithParams (InputArray image, OutputArray blob, const Image2BlobParams &param=Image2BlobParams())
void	cv::dnn::enableModelDiagnostics (bool isDiagnosticsMode)
	CV DNN APIによるDNNモデル読み込みの詳細なログ出力を有効にする。
std::vector< std::pair< Backend, Target > >	cv::dnn::getAvailableBackends ()
std::vector< Target >	cv::dnn::getAvailableTargets (dnn::Backend be)
void	cv::dnn::imagesFromBlob (const cv::Mat &blob_, OutputArrayOfArrays images_)
	4Dのblobをパースしてそこにふくまれるイメージをよりシンプルなデータ構造（std::vector<cv::Mat>）を通じて2D配列として出力する。
std::string	cv::dnn::modelFormatToString (ModelFormat modelFormat)
void	cv::dnn::NMSBoxes (const std::vector< Rect > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
	与えられたボックスと対応するスコアに対して、non maximum suppressionを実行する。
void	cv::dnn::NMSBoxes (const std::vector< Rect2d > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
void	cv::dnn::NMSBoxes (const std::vector< RotatedRect > &bboxes, const std::vector< float > &scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
void	cv::dnn::NMSBoxesBatched (const std::vector< Rect > &bboxes, const std::vector< float > &scores, const std::vector< int > &class_ids, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
	与えられたボックスと対応するスコアに対して、異なるクラスをまたいでバッチ化したnon maximum suppressionを実行する。
void	cv::dnn::NMSBoxesBatched (const std::vector< Rect2d > &bboxes, const std::vector< float > &scores, const std::vector< int > &class_ids, const float score_threshold, const float nms_threshold, std::vector< int > &indices, const float eta=1.f, const int top_k=0)
Net	cv::dnn::readNet (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >(), int engine=ENGINE_AUTO)
	サポートされている形式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む。
Net	cv::dnn::readNet (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config="", const String &framework="", int engine=ENGINE_AUTO)
	サポートされている形式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む。
Net	cv::dnn::readNetFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights)
	IntelのModel Optimizerの中間表現からネットワークを読み込む。
Net	cv::dnn::readNetFromModelOptimizer (const uchar *bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar *bufferWeightsPtr, size_t bufferWeightsSize)
	IntelのModel Optimizerの中間表現からネットワークを読み込む。
Net	cv::dnn::readNetFromModelOptimizer (CV_WRAP_FILE_PATH const String &xml, CV_WRAP_FILE_PATH const String &bin="")
	IntelのModel Optimizerの中間表現からネットワークを読み込む。
Net	cv::dnn::readNetFromONNX (const char *buffer, size_t sizeBuffer, int engine=ENGINE_AUTO)
	メモリ上のバッファからONNXのネットワークモデルを読み込む。
Net	cv::dnn::readNetFromONNX (const std::vector< uchar > &buffer, int engine=ENGINE_AUTO)
	メモリ上のバッファからONNXのネットワークモデルを読み込む。
Net	cv::dnn::readNetFromONNX (CV_WRAP_FILE_PATH const String &onnxFile, int engine=ENGINE_AUTO)
	ONNXのネットワークモデルを読み込む。
Net	cv::dnn::readNetFromTensorflow (const char *bufferModel, size_t lenModel, const char *bufferConfig=NULL, size_t lenConfig=0, int engine=ENGINE_AUTO, const std::vector< String > &extraOutputs=std::vector< String >())
	TensorFlowフレームワークの形式で格納されたネットワークモデルを読み込む。
Net	cv::dnn::readNetFromTensorflow (const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig=std::vector< uchar >(), int engine=ENGINE_AUTO, const std::vector< String > &extraOutputs=std::vector< String >())
	TensorFlowフレームワークの形式で格納されたネットワークモデルを読み込む。
Net	cv::dnn::readNetFromTensorflow (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config=String(), int engine=ENGINE_AUTO, const std::vector< String > &extraOutputs=std::vector< String >())
	TensorFlowフレームワークの形式で格納されたネットワークモデルを読み込む。
Net	cv::dnn::readNetFromTFLite (const char *bufferModel, size_t lenModel, int engine=ENGINE_AUTO)
	TFLiteフレームワークの形式で格納されたネットワークモデルを読み込む。
Net	cv::dnn::readNetFromTFLite (const std::vector< uchar > &bufferModel, int engine=ENGINE_AUTO)
	TFLiteフレームワークの形式で格納されたネットワークモデルを読み込む。
Net	cv::dnn::readNetFromTFLite (CV_WRAP_FILE_PATH const String &model, int engine=ENGINE_AUTO)
	TFLiteフレームワークの形式で格納されたネットワークモデルを読み込む。
Mat	cv::dnn::readTensorFromONNX (CV_WRAP_FILE_PATH const String &path)
	.pbファイルからblobを作成する。
void	cv::dnn::softNMSBoxes (const std::vector< Rect > &bboxes, const std::vector< float > &scores, std::vector< float > &updated_scores, const float score_threshold, const float nms_threshold, std::vector< int > &indices, size_t top_k=0, const float sigma=0.5, SoftNMSMethod method=SoftNMSMethod::SOFTNMS_GAUSSIAN)
	与えられたボックスと対応するスコアに対して、soft non maximum suppressionを実行する。参考: https://arxiv.org/abs/1704.04503。
void	cv::dnn::writeTextGraph (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &output)
	protocol buffer形式で格納されたバイナリネットワークのテキスト表現を作成する。