此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • CTCLoss
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.attached_modules.losses.ctc_loss连接时序分类 (CTC) 损失,用于训练序列模型,无需输入和文本之间的对齐。

类

CTCLoss

用于 OCR 的 CTC 损失,带可选的焦点因子。
  • 输入::
    • predictions (Tensor): [B, T, C] 对数几率,类别 0 为空白
    • target (Tensor): [B, L] 文本的 Unicode 码点,0 填充
  • 输出::
    • Tensor: 标量
  • 公式:: 节点的编码器将 target 的每个字符映射到其类别索引。对于图像 i,ℓi 是其编码文本的负对数似然。nn.CTCLoss 将 T 个对数 softmax 预测的所有对齐的似然求和,其中类别 0 为空白。使用 use_focal_loss 时,损失为 L = (1)/(B)B∑i = 1ℓi(1 − e − ℓi)2 不使用 use_focal_loss 时,L 是 ℓi 的平均值。

方法

init
Python
1def __init__(use_focal_loss: bool = True, **kwargs):
初始化损失和封装的 nn.CTCLoss。封装的损失使用类别 0 作为空白,并返回每个图像的损失。forward 计算批次的平均值。参数
  • use_focal_loss (bool): 是否将每个图像的损失 ℓi 乘以 (1 − e − ℓi)2,如类别公式所述。
  • **kwargs: 转发给 BaseLoss 的关键字参数,例如 final_loss_weight 和 node。
forward
Python
1def forward(predictions: Tensor, target: Tensor) -> Tensor:
计算一批文本预测的 CTC 损失。该方法使用节点的编码器对 target 进行编码,并将结果移动到 predictions 的设备。编码器会丢弃不在字母表中的字符。当节点的 ignore_unknown 为 False 时,它会将字符映射到 <UNK>。每个文本的长度是其非零类别索引的数量。每个预测序列都具有完整的长度 T。参数
  • predictions (Tensor): 形状为 [B, T, C] 的对数几率,是节点的主要输出。T 是序列长度,C 是类别数,其中类别 0 为空白。
  • target (Tensor): 形状为 [B, L] 的 metadata/text 标签。每个值是一个字符的 Unicode 码点,0 填充较短的文本。
返回
  • Tensor: 批次的平均损失,作为标量。

属性

loss_func
node