此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 函数
  • compute_anchor_centers
  • compute_scrfd_detections
  • decode_scrfd
  • distance2bbox
  • distance2kps
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
最后更新
Python API: depthai_nodes.node.parsers.utils.scrfd

函数

compute_anchor_centers

Python
1def compute_anchor_centers(strides: list[int], input_size: tuple[int, int], num_anchors: int) -> dict[int, np.ndarray]:
计算给定步幅列表、输入大小和锚点数量的锚点中心。参数
  • strides (list[int]): 步幅列表。
  • input_size (tuple[int, int]): 输入大小。
  • num_anchors (int): 锚点数量。
返回
  • dict[int, np.ndarray]: 锚点中心的字典。

compute_scrfd_detections

Python
1def compute_scrfd_detections(*, bboxes_concatenated: list[np.ndarray], scores_concatenated: list[np.ndarray], kps_concatenated: list[np.ndarray], feat_stride_fpn: tuple[int, ...] | list[int], input_size: tuple[int, int], num_anchors: int, score_threshold: float, nms_threshold: float, anchors: dict[int, np.ndarray], label_names: list[str] | None = None) -> tuple[np.ndarray, np.ndarray, np.ndarray, np.ndarray, list[str] | None]:
将 SCRFD 头解码为归一化人脸检测。参数
  • bboxes_concatenated (list[np.ndarray]): 按特征金字塔步幅排序的边界框距离张量。
  • scores_concatenated (list[np.ndarray]): 按特征金字塔步幅排序的置信度张量。
  • kps_concatenated (list[np.ndarray]): 按特征金字塔步幅排序的关键点偏移张量。
  • feat_stride_fpn (tuple[int, ...] | list[int]): 与张量列表对应的特征金字塔步幅。
  • input_size (tuple[int, int]): 模型输入大小,格式为 (width, height)。
  • num_anchors (int): 每个特征图位置的锚点数量。
  • score_threshold (float): 最小人脸置信度。
  • nms_threshold (float): 用于抑制的交并比阈值。
  • anchors (dict[int, np.ndarray]): 从每个特征步幅到其预计算锚点中心的映射。
  • label_names (list[str] | None): 可选的类名查找,按预测的类 ID 索引。
返回
  • tuple[np.ndarray, np.ndarray, np.ndarray, np.ndarray, list[str] | None]: 归一化的中心-XY/宽度/高度框、分数、关键点、零值人脸类 ID 和可选的映射类名。

decode_scrfd

Python
1def decode_scrfd(bboxes_concatenated, scores_concatenated, kps_concatenated, feat_stride_fpn, input_size, num_anchors, score_threshold, nms_threshold, anchors):
解码 SCRFD 的检测结果。参数
  • bboxes_concatenated (list[np.ndarray]): 每个尺度的边界框预测列表。
  • scores_concatenated (list[np.ndarray]): 每个尺度的置信度分数预测列表。
  • kps_concatenated (list[np.ndarray]): 每个尺度的关键点预测列表。
  • feat_stride_fpn (list[int]): 每个尺度的特征步幅列表。
  • input_size (tuple[int]): 模型的输入大小。
  • num_anchors (int): 锚点数量。
  • score_threshold (float): 置信度分数阈值。
  • nms_threshold (float): 非极大值抑制阈值。
  • anchors (dict[int, np.ndarray]): 锚点字典。
返回
  • tuple[np.ndarray, np.ndarray, np.ndarray]:
    • 检测到的对象的边界框、置信度分数和关键点。

distance2bbox

Python
1def distance2bbox(points, distance, max_shape=None):
将距离预测解码为边界框。参数
  • points (np.ndarray): 形状为 (n, 2),[x, y]。
  • distance (np.ndarray): 从给定点到 4 个边界(左、上、右、下)的距离。
  • max_shape (tuple[int, int]): 图像的形状。
返回
  • np.ndarray: 解码后的边界框。

distance2kps

Python
1def distance2kps(points, distance, max_shape=None):
将距离预测解码为关键点。参数
  • points (np.ndarray): 形状为 (n, 2),[x, y]。
  • distance (np.ndarray): 从给定点到 4 个边界(左、上、右、下)的距离。
  • max_shape (tuple[int, int]): 图像的形状。
返回
  • np.ndarray: 解码后的关键点。