classification_sequence
最后更新
depthai_nodes.node.parsers.classification_sequence类
ClassificationSequenceParser
**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):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: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。
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:注意
使用 depthai_nodes.node.parsers.utils.classification_sequence.compute_classification_sequence_scores;有关张量布局和验证详细信息,请参阅该帮助程序。
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。
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):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: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。
np.ndarray:反量化的 float32 序列分数张量。必须已配置类名。
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):setConcatenateClasses
Python
1def setConcatenateClasses(concatenate_classes: bool):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]):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):remove_duplicates(bool):如果为 True,则从序列中删除连续的重复项。