utils
最后更新
luxonis_train.assigners.utilsATSSAssigner 和 TaskAlignedAssigner 共享的辅助函数。这些辅助函数查找每个框内的锚点,解决多个框的重叠锚点,并计算一批图像的 IoU。函数
batch_iou
Python
1def batch_iou(batch1: Tensor, batch2: Tensor) -> Tensor:示例
Pycon
1>>> import torch
2>>> batch1 = torch.tensor([[[0.0, 0.0, 2.0, 2.0]]])
3>>> batch2 = torch.tensor(
4... [[[0.0, 0.0, 2.0, 2.0], [0.0, 0.0, 4.0, 2.0]]]
5... )
6>>> batch_iou(batch1, batch2).tolist()
7[[[1.0, 0.5]]]batch1(Tensor):xyxy格式的框,形状为[bs, N, 4]。batch2(Tensor):xyxy格式的框,形状为[bs, M, 4]。
Tensor: IoU 值,形状为[bs, N, M]。[b, i, j]处的值是batch1[b, i]和batch2[b, j]之间的 IoU。
candidates_in_gt
Python
1def candidates_in_gt(anchor_centers: Tensor, gt_bboxes: Tensor, eps: float = 1e-09) -> Tensor:eps 时,该中心点在框内。在边上的中心点在框外。示例
Pycon
1>>> import torch
2>>> centers = torch.tensor([[1.0, 1.0], [3.0, 3.0], [2.0, 0.0]])
3>>> boxes = torch.tensor([[0.0, 0.0, 2.0, 2.0], [0.0, 0.0, 4.0, 4.0]])
4>>> candidates_in_gt(centers, boxes).tolist()
5[[1.0, 0.0, 0.0], [1.0, 1.0, 0.0]]anchor_centers(Tensor): 锚点中心(x, y),形状为[n_anchors, 2]。gt_bboxes(Tensor):xyxy格式的框,形状为[n_boxes, 4]。分配器将所有图像的真实框作为扁平张量给出,因此n_boxes是bs * n_max_boxes。eps(float): 中心点与框的每条边之间的距离必须超过的值。
Tensor: 形状为[n_boxes, n_anchors]且数据类型与gt_bboxes相同的掩码。1表示中心点在框内。
fix_collisions
Python
1def fix_collisions(mask_pos: Tensor, overlaps: Tensor, n_max_boxes: int) -> tuple[Tensor, Tensor, Tensor]:n_max_boxes 个框,而不仅仅是锚点为正的框。其他锚点的掩码不变。示例
第二个锚点对两个框都为正。它与第二个框的重叠度更高。
Pycon
1>>> import torch
2>>> mask_pos = torch.tensor([[[1.0, 1.0, 0.0], [0.0, 1.0, 0.0]]])
3>>> overlaps = torch.tensor([[[0.9, 0.3, 0.1], [0.2, 0.6, 0.0]]])
4>>> gt_idx, mask_pos_sum, mask_pos = fix_collisions(
5... mask_pos, overlaps, 2
6... )
7>>> gt_idx.tolist()
8[[0, 1, 0]]
9>>> mask_pos_sum.tolist()
10[[1.0, 1.0, 0.0]]
11>>> mask_pos.tolist()
12[[[1.0, 0.0, 0.0], [0.0, 1.0, 0.0]]]mask_pos(Tensor): 正掩码,形状为[bs, n_max_boxes, n_anchors]。1表示锚点对某个框为正。overlaps(Tensor): 每个框和锚点的重叠度,形状为[bs, n_max_boxes, n_anchors]。ATSSAssigner 给出与锚框的 IoU。TaskAlignedAssigner 给出与预测框的 IoU,如果它获得关键点,则乘以对象关键点相似度。n_max_boxes(int): 每张图像的框槽数量,即mask_pos的维度1的大小。
tuple[Tensor, Tensor, Tensor]: 三个张量。assigned_gt_idx([bs, n_anchors],int64) 存储每个锚点的框索引,没有框的锚点为0。mask_pos_sum([bs, n_anchors]) 存储每个锚点的框数量,0或1。mask_pos([bs, n_max_boxes, n_anchors]) 是正掩码,每个锚点最多有一个框。