base_engine
最后更新
luxonis_ml.data.augmentations.base_engine类
AugmentationEngine
方法
init
Python
1def __init__(height: int, width: int, targets: Mapping[str, str], n_classes: Mapping[str, int], source_names: list[str], config: Iterable[Params], keep_aspect_ratio: bool, is_validation_pipeline: bool | None = None, pipeline_stage: Literal['train', 'val', 'test'] | None = None, min_bbox_visibility: float = 0.0, seed: int | None = None, bbox_area_threshold: float = 0.0004):height(int): 目标图像高度。width(int): 目标图像宽度。targets(Mapping[str, str]): 任务名称映射到任务类型,例如{"detection/boundingbox": "bbox"}。n_classes(Mapping[str, int]): 每个任务关联的类数量,例如{"cars/boundingbox": 2}。source_names(list[str]): 加载器图像中预期的源名称。config(Iterable[Params]): 增强配置。每个项目描述一个增强;解释是引擎特定的。keep_aspect_ratio(bool): 调整大小时是否保留图像纵横比。is_validation_pipeline(bool | None): 可选的向后兼容的训练与评估提示。已弃用自 0.5.0 版本起已弃用:请改用pipeline_stage。pipeline_stage(Literal['train', 'val', 'test'] | None): 可选的显式管道阶段。如果提供,它将优先于is_validation_pipeline。min_bbox_visibility(float): 增强后必须保持可见的原始边界框的最小部分。seed(int | None): 可选的随机种子,用于可重现的增强。bbox_area_threshold(float): 边界框保持有效的最小归一化面积。默认值会移除非常小的框及其关联的关键点。
apply
Python
1def apply(input_batch: list[LoaderMultiOutput]) -> LoaderMultiOutput:input_batch(list[LoaderMultiOutput]): 要增强的加载器输出。项目数量必须与引擎的批处理大小匹配。
LoaderMultiOutput: 增强的加载器输出。