此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • SuperAnimalParser
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

superanimal_landmarker

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

类

SuperAnimalParser

用于解析 SuperAnimal 地标模型输出的解析器类。

方法

init
Python
1def __init__(output_layer_name: str = '', scale_factor: float = 256.0, n_keypoints: int = 39, score_threshold: float = 0.5, label_names: list[str] | None = None, edges: list[tuple[int, int]] | None = None):
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。
  • scale_factor (float): 用于除关键点的比例因子。
  • n_keypoints (int): 关键点数量。
  • score_threshold (float): 检测到的关键点的置信度分数阈值。
  • label_names (list[str] | None): 关键点的标签名称。
  • edges (list[tuple[int, int]] | None): 定义骨架边缘的关键点索引对。例如,[(0, 1), (1, 2)] 将关键点 0 连接到 1,将 1 连接到 2。
build
Python
1def build(head_config: dict[str, Any]) -> SuperAnimalParser:
配置解析器。参数
  • head_config (dict[str, Any]): 解析器的头部配置。
返回
  • SuperAnimalParser: 设置了头部配置的解析器对象。
compute
Python
1def compute(heatmaps: np.ndarray, *, scale_factor: float) -> tuple[np.ndarray, np.ndarray]:
计算解析器结果,从提取的张量中获取,无需发送消息。参数
  • heatmaps (np.ndarray): 模型热图张量。
  • scale_factor (float): 用于将模型坐标转换为归一化坐标的非零除数。
返回
  • tuple[np.ndarray, np.ndarray]: 一对 (N, 2) 关键点坐标和 (N,) 分数。坐标除以 scale_factor。
emit
Python
1def emit(output: dai.NNData, keypoints: np.ndarray, scores: np.ndarray):
创建 dai.beta.Keypoints 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): 神经网络输出,携带张量和源时间戳、序列号以及可选的图像转换。
  • keypoints (np.ndarray): compute() 返回的归一化关键点坐标。
  • scores (np.ndarray): 与计算出的有效载荷对应的置信度分数。
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): 神经网络输出,携带张量和源时间戳、序列号以及可选的图像转换。
返回
  • np.ndarray: 模型张量布局中的反量化 float32 热图。
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
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,它将退出。

属性

edges
定义骨架边缘的关键点索引对。例如,[(0, 1), (1, 2)] 将关键点 0 连接到 1,将 1 连接到 2。
label_names
关键点的标签名称。
n_keypoints
关键点数量。
output_layer_name
与解析器相关的输出层名称。
scale_factor
用于除关键点的比例因子。
score_threshold
检测到的关键点的置信度分数阈值。