此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • ClassificationSequenceParser
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

classification_sequence

最后更新
Python API: depthai_nodes.node.parsers.classification_sequence

类

ClassificationSequenceParser

分类序列模型的后处理逻辑。模型多次预测类别并返回一个预测类别列表,其中每个项目对应于序列中的相对步骤。除了时间序列分类,此解析器还可以用于文本识别模型,其中单词可以解释为字符(类别)序列。输出消息:类型:dai.beta.Classifications
  • **描述**::一个包含 classes 和 scores 属性的对象。classes 是一个包含预测类别的列表。scores 是一个对应的概率分数列表。

方法

init
Python
1def __init__(output_layer_name: str = '', classes: list[str] = None, is_softmax: bool = True, ignored_indexes: list[int] = None, remove_duplicates: bool = False, concatenate_classes: bool = False):
初始化解析器节点。参数
  • output_layer_name (str):与解析器相关的输出层名称。
  • classes (list[str]):模型可用的类别列表。
  • is_softmax (bool):如果为 False,则使用 softmax 函数将分数转换为概率。
  • ignored_indexes (list[int]):在分类生成过程中要忽略的索引列表(例如,背景类、空格)。
  • remove_duplicates (bool):如果为 True,则从序列中删除连续的重复项。
  • concatenate_classes (bool):如果为 True,则根据预测的空格连接连续的单词。
build
Python
1def build(head_config: dict[str, Any]) -> ClassificationSequenceParser:
配置解析器。参数
  • head_config (dict[str, Any]):解析器的头部配置。必需的键是 classes、n_classes 和 is_softmax。除此之外,还有三个可选键,主要用于文本处理:ignored_indexes、remove_duplicates 和 concatenate_classes。
返回
  • ClassificationSequenceParser:返回具有正确配置的实例化解析器。
compute
Python
1def compute(scores: np.ndarray, *, is_softmax: bool = True) -> np.ndarray:
在不发送消息的情况下,从提取的张量计算解析器结果。参数
  • scores (np.ndarray):形状为 (steps, classes)、(1, steps, classes) 或 (steps, classes, 1) 的分数或 logits。
  • is_softmax (bool):分数是否已包含概率。如果为 false,则应用 softmax。
返回
  • np.ndarray:形状为 (steps, classes) 的 Float32 数组。当请求时,Softmax 会为每个步骤独立地在类别上运行。
emit
Python
1def emit(output: dai.NNData, scores: np.ndarray):
创建 dai.beta.Classifications 消息并将其发送到 out。复制源时间戳和序列号,并在存在时携带源图像转换。参数
  • output (dai.NNData):携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
  • scores (np.ndarray):形状为 (steps, classes) 的每步类别概率。
extract
Python
1def extract(output: dai.NNData) -> np.ndarray:
选择并反量化解析所需的模型张量。参数
  • output (dai.NNData):携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
返回
  • np.ndarray:反量化的 float32 序列分数张量。必须已配置类名。
引发
  • ValueError:如果未配置输出名称且消息不包含恰好一层,或者未满足配置的类要求。
run
Python
1def run(self):
读取排队的网络输出,解析它们,并在运行时发出结果。管道调用此处理循环。当输入队列关闭或节点停止时,它会退出。
setConcatenateClasses
Python
1def setConcatenateClasses(concatenate_classes: bool):
为分类序列模型设置 concatenate_classes 标志。参数
  • concatenate_classes (bool):如果为 True,则将连续的类连接成一个字符串。主要用于文本处理。
setIgnoredIndexes
Python
1def setIgnoredIndexes(ignored_indexes: list[int]):
为分类序列模型设置 ignored_indexes。参数
  • ignored_indexes (list[int]):在分类生成过程中要忽略的索引列表。
setRemoveDuplicates
Python
1def setRemoveDuplicates(remove_duplicates: bool):
为分类序列模型设置 remove_duplicates 标志。参数
  • remove_duplicates (bool):如果为 True,则从序列中删除连续的重复项。

属性

classes
模型可用的类别列表。
concatenate_classes
如果为 True,则根据预测的空格连接连续的单词。
ignored_indexes
在分类生成过程中要忽略的索引列表(例如,背景类、空格)。
is_softmax
如果为 False,则使用 softmax 函数将分数转换为概率。
output_layer_name
与解析器相关的输出层名称。
remove_duplicates
如果为 True,则从序列中删除连续的重复项。