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
  • batch_iou
  • candidates_in_gt
  • fix_collisions
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: 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:
计算每个图像中每对框之间的 IoU。该函数为批处理中的每个图像调用一次 bbox_iou。参数
  • 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]。
返回
  • 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:
标记每个框内中心点的锚点。当中心点到框的四条边的距离都大于 eps 时,该中心点在框内。在边上的中心点在框外。参数
  • 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。
返回
  • 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]:
解决多个框的重叠锚点。这样的锚点归属于重叠度最高的框。搜索范围覆盖图像的所有 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。参数
  • 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。
返回
  • 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。