superanimal_landmarker
最后更新
depthai_nodes.node.parsers.superanimal_landmarker类
SuperAnimalParser
注意
发出
dai.beta.Keypoints 消息。输出包含超出置信度阈值的检测到的关键点。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):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:head_config(dict[str, Any]): 解析器的头部配置。
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]:注意
使用 depthai_nodes.node.parsers.utils.superanimal.compute_superanimal_keypoints;有关张量布局和验证详细信息,请参阅该帮助程序。
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。
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):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: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。
np.ndarray: 模型张量布局中的反量化 float32 热图。
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):属性
edges
[(0, 1), (1, 2)] 将关键点 0 连接到 1,将 1 连接到 2。