segmentation
最后更新
depthai_nodes.node.parsers.segmentation类
SegmentationParser
注意
发出
dai.SegmentationMask 消息。dai.SegmentationMask 包含分割掩码。每个像素都精确地属于一个类。未分配的像素用“255”表示,类像素用非负整数表示。ValueError: 如果输出层的数量不是 1。ValueError: 如果输出张量的维度数量不是 3。
方法
init
Python
1def __init__(output_layer_name: str = '', classes_in_one_layer: bool = False, background_class: bool = False):output_layer_name(str): 与解析器相关的输出层名称。classes_in_one_layer(bool): 在多类分割模型中,所有类是否都在一个层中。默认为 False。如果为 True,解析器将使用 np.max 而不是 np.argmax 来获取类映射。background_class(bool): 类索引 0 是否应被视为背景。
build
Python
1def build(head_config: dict[str, Any]) -> SegmentationParser:head_config(dict[str, Any]): 解析器的头部配置。
SegmentationParser: 设置了头部配置的解析器对象。
compute
Python
1def compute(segmentation_mask: np.ndarray, *, classes_in_one_layer: bool = False, background_class: bool = False) -> np.ndarray:注意
使用 depthai_nodes.node.parsers.utils.segmentation.compute_segmentation_class_map;有关张量布局和验证详细信息,请参阅该帮助程序。
segmentation_mask(np.ndarray): CHW 或 HWC 张量,可选批处理。4D 张量使用其第一个批处理项;最小轴被视为类轴。classes_in_one_layer(bool): 单个通道是否已编码类 ID 而不是前景分数。background_class(bool): 对于多类分数张量,将获胜类 0 替换为 255。
np.ndarray: HW uint8 标签图。未分配的像素为 255。单个前景分数通道与零进行比较,并为正像素发出类 0。
emit
Python
1def emit(output: dai.NNData, class_map: np.ndarray):dai.SegmentationMask 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。class_map(np.ndarray): HW 类索引掩码,255 保留用于背景。
extract
Python
1def extract(output: dai.NNData):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。
- 解量化分割张量,如果张量是 4D,则选择第一个批处理项。
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
1def run(self):setBackgroundClass
Python
1def setBackgroundClass(background_class: bool):background_class(bool): 类索引 0 是否为背景。
setClassesInOneLayer
Python
1def setClassesInOneLayer(classes_in_one_layer: bool):classes_in_one_layer(bool): 所有类是否都在一个层中。
setOutputLayerName
Python
1def setOutputLayerName(output_layer_name: str):output_layer_name(str): 输出层的名称。