rf_detr
最后更新
depthai_nodes.node.parsers.rf_detrClasses
RFDETRParser
Note
发出
dai.ImgDetections 消息。dai.ImgDetections 消息包含边界框、标签、置信度分数以及可选的实例分割掩码。Methods
init
Python
1def __init__(conf_threshold: float = 0.5, max_det: int = 300, label_names: list[str] | None = None, mask_conf: float = 0.5):conf_threshold(float): 检测对象的置信度分数阈值。max_det(int): 要保留的最大检测数量。label_names(list[str] | None): 检测对象的标签名称列表。mask_conf(float): 实例分割掩码的掩码置信度阈值。
build
Python
1def build(head_config: dict[str, Any]) -> RFDETRParser:head_config(dict[str, Any]): 解析器的头部配置。
RFDETRParser: 设置了头部配置的解析器对象。
compute
Python
1def compute(boxes_tensor: np.ndarray, logits_tensor: np.ndarray, *, conf_threshold: float, max_det: int, label_names: list[str] | None, mask_conf: float, input_shape: tuple[int, int] | None, masks_tensor: np.ndarray | None = None) -> tuple[np.ndarray, np.ndarray, np.ndarray, list[str] | None, np.ndarray | None]:Note
使用 depthai_nodes.node.parsers.utils.rf_detr.compute_rfdetr_detections;有关张量布局和验证详细信息,请参阅该辅助函数。
boxes_tensor(np.ndarray): 批处理的归一化中心 XY/宽度/高度预测。logits_tensor(np.ndarray): 形状为(1, queries, classes)的类别 logits。conf_threshold(float): 用于过滤候选的最小检测置信度。max_det(int): 在抑制期间保留或考虑的最大检测候选数量。label_names(list[str] | None): 按预测类别 ID 索引的可选类别名称查找。mask_conf(float): 用于二值化掩码 logits 的概率阈值。input_shape(tuple[int, int] | None): 模型输入图像形状,格式为(height, width)。masks_tensor(np.ndarray | None): 可选的每个查询掩码 logits,按框预测的顺序排列。
tuple[np.ndarray, np.ndarray, np.ndarray, list[str] | None, np.ndarray | None]: 归一化中心 XY/宽度/高度格式的框、分数、整数类别 ID、可选类别名称以及可选的 HW uint8 实例掩码。掩码值索引返回的检测;255 是背景。分割最多保留 255 个实例,置信度更高的掩码会覆盖重叠部分。
emit
Python
1def emit(output: dai.NNData, boxes: np.ndarray, scores: np.ndarray, labels: np.ndarray, label_names_list: list[str] | None, final_mask: np.ndarray | None):dai.ImgDetections 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。Parametersoutput(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。boxes(np.ndarray):compute()返回的归一化中心 XY/宽度/高度框。scores(np.ndarray): 与计算负载对应的置信度分数。labels(np.ndarray): 与框对应的整数类别 ID。label_names_list(list[str] | None): 与检测对应的可选类别名称。final_mask(np.ndarray | None): 可选的实例掩码,其 ID 索引返回的检测;255 是背景。
extract
Python
1def extract(output: dai.NNData) -> tuple[np.ndarray, np.ndarray, np.ndarray | None]: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。
tuple[np.ndarray, np.ndarray, np.ndarray | None]: 浮点 32 框、类别 logits 和可选掩码张量,按配置的层顺序排列。如果没有掩码层,则第三个值为None。
ValueError: 如果选定的输出不包含两层或三层。
run
Python
1def run(self):setConfidenceThreshold
Python
1def setConfidenceThreshold(threshold: float):threshold(float): 检测对象的置信度分数阈值。
setLabelNames
Python
1def setLabelNames(label_names: list[str]):label_names(list[str]): 检测对象的标签名称列表。
setMaskConfidence
Python
1def setMaskConfidence(mask_conf: float):mask_conf(float): 掩码置信度阈值。
setMaxDetections
Python
1def setMaxDetections(max_det: int):max_det(int): 要保留的最大检测数量。
setOutputLayerNames
Python
1def setOutputLayerNames(output_layer_names: list[str]):output_layer_names(list[str]): 输出层名称列表。
Attributes
conf_threshold
input
dai.NNData 的输入端口。