此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • YuNetParser
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.yunet

类

YuNetParser

用于解析 YuNet 人脸检测模型输出的解析器类。

方法

init
Python
1def __init__(conf_threshold: float = 0.8, iou_threshold: float = 0.3, max_det: int = 5000, input_size: tuple[int, int] = None, loc_output_layer_name: str = None, conf_output_layer_name: str = None, iou_output_layer_name: str = None):
初始化解析器节点。参数
  • conf_threshold (float): 检测到人脸的置信度分数阈值。
  • iou_threshold (float): 非极大值抑制阈值。
  • max_det (int): 要保留的最大检测数量。
  • input_size (tuple[int, int]): 模型的输入大小(宽度,高度)。
  • loc_output_layer_name (str): 位置预测的输出层名称。
  • conf_output_layer_name (str): 置信度预测的输出层名称。
  • iou_output_layer_name (str): IoU 预测的输出层名称。
build
Python
1def build(head_config: dict[str, Any]) -> YuNetParser:
配置解析器。参数
  • head_config (dict[str, Any]): 解析器的头部配置。
返回
  • YuNetParser: 设置了头部配置的解析器对象。
compute
Python
1def compute(*, input_size: tuple[int, int], loc: np.ndarray, conf: np.ndarray, iou: np.ndarray, conf_threshold: float, iou_threshold: float, max_det: int, anchors: np.ndarray, label_names: list[str] | None = None, nms_fn: Callable[..., np.ndarray], top_left_wh_to_xywh_fn: Callable[[np.ndarray], np.ndarray]) -> tuple[np.ndarray, np.ndarray, np.ndarray, np.ndarray, list[str] | None]:
在不发送消息的情况下,从提取的张量计算解析器结果。参数
  • input_size (tuple[int, int]): 模型输入大小,格式为 (width, height)。
  • loc (np.ndarray): 每个锚框和五个关键点的偏移量。
  • conf (np.ndarray): 每个锚框的类别置信度张量。
  • iou (np.ndarray): 每个锚框的 IoU 置信度张量。
  • conf_threshold (float): 用于过滤候选的最小检测置信度。
  • iou_threshold (float): 用于非极大值抑制的交并比阈值。
  • max_det (int): 在抑制期间要保留或考虑的最大检测候选数量。
  • anchors (np.ndarray): 用于解码模型预测的预计算锚点坐标。
  • label_names (list[str] | None): 可选的类名查找,按预测的类 ID 索引。
  • nms_fn (Callable[..., np.ndarray]): 抑制可调用对象,接受框、分数、置信度/IoU 阈值和 max_det;返回保留的索引。
  • top_left_wh_to_xywh_fn (Callable[[np.ndarray], np.ndarray]): 将左上角 XY/宽度/高度框转换为中心 XY/宽度/高度的可调用对象。
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、每个面部的五个归一化 XY 关键点、分数、零值类别 ID 和可选的类别名称。没有候选时返回空数组。
emit
Python
1def emit(output: dai.NNData, bboxes: np.ndarray, keypoints: np.ndarray, scores: np.ndarray, labels: np.ndarray, label_names: list[str] | None):
创建 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变换。参数
  • output (dai.NNData): 携带张量和源时间戳、序列号以及可选图像变换的神经网络输出。
  • bboxes (np.ndarray): compute() 返回的归一化中心 XY/宽度/高度框。
  • keypoints (np.ndarray): compute() 返回的归一化关键点坐标。
  • 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[str] | None): 与检测对应的可选类别名称。
extract
Python
1def extract(output: dai.NNData) -> tuple[np.ndarray, np.ndarray, np.ndarray]:
选择并反量化解析所需的模型张量。参数
  • output (dai.NNData): 携带张量和源时间戳、序列号以及可选图像变换的神经网络输出。
返回
  • tuple[np.ndarray, np.ndarray, np.ndarray]: 定位、类别置信度和 IoU 张量,按此顺序。缺少配置的名称将从唯一的 loc、conf 和 iou 前缀推断。
引发
  • ValueError: 如果配置的层不存在或推断的层前缀缺失或模糊。
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。
setInputSize
Python
1def setInputSize(input_size: tuple[int, int]):
设置模型的输入大小。参数
  • input_size (tuple[int, int]): 模型的输入大小(宽度,高度)。
setOutputLayerConf
Python
1def setOutputLayerConf(conf_output_layer_name: str):
设置包含置信度预测的输出层的名称。参数
  • conf_output_layer_name (str): 置信度张量的输出层名称。
setOutputLayerIou
Python
1def setOutputLayerIou(iou_output_layer_name: str):
设置包含 IoU 预测的输出层的名称。参数
  • iou_output_layer_name (str): IoU 张量的输出层名称。
setOutputLayerLoc
Python
1def setOutputLayerLoc(loc_output_layer_name: str):
设置包含位置预测的输出层的名称。参数
  • loc_output_layer_name (str): 位置张量的输出层名称。

属性

conf_output_layer_name
包含置信度预测的输出层名称。
conf_threshold
检测到人脸的置信度分数阈值。
input_shape
input_size
输入大小(宽度,高度)。
iou_output_layer_name
包含 IoU 预测的输出层名称。
iou_threshold
非极大值抑制阈值。
label_names
layout
loc_output_layer_name
包含位置预测的输出层名称。
max_det
要保留的最大检测数量。