概览硬件软件云平台
OAK 应用
DepthAI
AI
软件栈
故障排除

本页目录

  • 概述
  • 测试
  • CLI
  • Python API
  • 推理
  • CLI
  • Python API
  • 标注
  • CLI
  • Python API

评估

概述

LuxonisTrain 提供了有效评估已训练模型的工具。这意味着您可以测试模型来收集性能指标，也可以推理以直观地检查模型预测。

测试

要评估模型的性能，您可以运行各种测试以获取准确率、精确率、召回率等指标。这些指标有助于您了解模型在测试数据集上的表现。您可以在不同的数据集视图（如训练、验证或测试）上评估已训练模型，以全面了解其性能。测试结果也会记录到 跟踪 部分中配置的位置。

CLI

Command Line
1luxonis_train test --config configs/detection_light_model.yaml \
2                   --view val                                  \
3                   --weights path/to/checkpoint.ckpt

Python API

Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel("configs/detection_light_model.yaml")
4model.test(weights="path/to/checkpoint.ckpt")
注意： 通过使用 TestOnTrainEnd 回调，可以在训练结束时自动启动测试过程。

推理

推理涉及使用模型对新数据进行预测。这允许您直观地检查模型的性能并观察其生成的预测结果。要使用 LuxonisTrain 对图像、数据集或视频进行推理，您可以使用 CLI 或 Python API 对已训练模型进行推理。

CLI

在数据集视图上进行推理

Command Line
1luxonis_train infer --config configs/detection_light_model.yaml \
2                    --view val                                  \
3                    --weights path/to/checkpoint.ckpt

在视频文件上进行推理

Command Line
1luxonis_train infer --config configs/detection_light_model.yaml \
2                    --weights path/to/checkpoint.ckpt           \
3                    --source-path path/to/video.mp4

在图像目录上进行推理

Command Line
1luxonis_train infer --config configs/detection_light_model.yaml \
2                    --weights path/to/checkpoint.ckpt           \
3                    --source-path path/to/images

在单张图像上进行推理

Command Line
1luxonis_train infer --config configs/detection_light_model.yaml \
2                    --weights path/to/checkpoint.ckpt           \
3                    --source-path path/to/image.jpg

Python API

Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel("configs/detection_light_model.yaml")
4
5# 在数据集视图上进行推理
6model.infer(weights="path/to/checkpoint.ckpt", view="val")
7
8# 在视频文件上进行推理
9model.infer(weights="path/to/checkpoint.ckpt", source_path="path/to/video.mp4")
10
11# 在图像目录上进行推理并保存结果
12model.infer(
13    weights="path/to/checkpoint.ckpt",
14    source_path="path/to/images",
15    save_dir="path/to/save_directory",
16)

标注

LuxonisTrain 还可以使用模型预测对一个图像目录进行标注，并创建一个新的 LDF 数据集。当您想从已训练模型中引导标注时，这非常有用。

CLI

Command Line
1luxonis_train annotate --config configs/detection_light_model.yaml \
2                       --weights path/to/checkpoint.ckpt           \
3                       --source-path path/to/images

Python API

Python
1from luxonis_train import LuxonisModel
2
3model = LuxonisModel("configs/detection_light_model.yaml")
4dataset = model.annotate(
5    dir_path="path/to/images",
6    dataset_name="annotated_dataset",
7    weights="path/to/checkpoint.ckpt",
8)
生成的 dataset 以 LuxonisDataset 对象返回，因此可以直接检查、导出或在后续训练运行中重复使用。通过同时使用测试和推理，您可以全面了解模型性能，并进行必要的调整以提高其准确性和可靠性。