# map_output

Python API: `depthai_nodes.node.parsers.map_output`

## 类

### MapOutputParser

用于生成地图输出的模型（例如深度图（如 DepthAnything）、密度图（如 DM-Count）、热图等）的解析器类。

> **Note**
> 发出 `dai.beta.Map2D` 消息。Map2D 消息包含解析后的地图，作为原生 dai.beta.Map2D 对象。

#### 方法

##### init

```python
def __init__(output_layer_name: str = '', min_max_scaling: 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。
 * `min_max_scaling` (`bool`): 如果为 True，则将地图缩放到 [0, 1] 范围。

##### build

```python
def build(head_config: dict[str, Any]) -> MapOutputParser:
```

配置解析器。

参数

 * `head_config` (`dict[str, Any]`): 解析器的头部配置。

返回

 * `MapOutputParser`: 设置了头部配置的解析器对象。

##### compute

```python
def compute(map_tensor):
```

从提取的张量计算解析器结果，而不发送消息。

> **Note**
> 使用 [depthai_nodes.node.parsers.utils.map_output.compute_map_output](/software-v3/ai-inference/inference/depthai-nodes/depthai-nodes-api-reference/node/parsers/utils/map_output.md)；有关张量布局和验证详细信息，请参阅该辅助函数。

参数

 * `map_tensor`: HW 地图、具有前导单例轴的地图或 HW1 地图。

返回

 * 二维数组。值和 dtype 被保留；结果可能共享输入存储。

##### emit

```python
def emit(output: dai.NNData, map_output):
```

创建 `dai.beta.Map2D` 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。
 * `map_output`: `compute()` 返回的二维地图。

##### extract

```python
def extract(output: dai.NNData):
```

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

 * 反量化的数字地图张量。

引发

 * `ValueError`: 如果未配置输出名称且消息不包含恰好一个层，或者未满足配置的类要求。

##### run

```python
def 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，它将退出。

##### setMinMaxScaling

```python
def setMinMaxScaling(min_max_scaling: bool):
```

设置 min_max_scaling 标志。

参数

 * `min_max_scaling` (`bool`): 如果为 True，则将地图缩放到 [0, 1] 范围。

##### setOutputLayerName

```python
def setOutputLayerName(output_layer_name: str):
```

设置输出层的名称。

参数

 * `output_layer_name` (`str`): 输出层的名称。

#### 属性

##### min_max_scaling

如果为 True，则将地图缩放到 [0, 1] 范围。

##### output_layer_name

与解析器相关的输出层名称。
