此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • RecognitionConfusionMatrix
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

recognition_confusion_matrix

最后更新
Python API: luxonis_train.attached_modules.metrics.confusion_matrix.recognition_confusion_matrix用于分类和分割的混淆矩阵。

类

RecognitionConfusionMatrix

用于分类和语义分割的混淆矩阵。
  • 输入::
    • predictions (Tensor): [B, n_classes, ...] logits
    • targets (Tensor): 相同形状,one-hot
  • 输出::
    • mcc (Tensor): 矩阵的标量 MCC,参见 compute_mcc
    • confusion_matrix (Tensor): [nclasses, nclasses] 计数,或 [2, 2](对于一个类),行是目标
  • 公式:: 对于多于一个类,每个样本或每个像素的预测类是最高 logit 的索引。目标类是最高目标值的索引。对于相等的值,最低索引获胜,因此仅包含零的目标计为类 0。torchmetrics MulticlassConfusionMatrix 计算目标类和预测类的每一对。 对于一个类,torchmetrics BinaryConfusionMatrix 比较每个预测值与相同位置的目标值。当批次的浮点预测超出 [0, 1] 时,它会对该批次的所有预测应用 sigmoid。高于 0.5 的预测为正。矩阵为 [[TN, FP], [FN, TP]],包含真负例 (TN)、假正例 (FP)、假负例 (FN) 和真正例 (TP) 的计数。

方法

init
Python
1def __init__(**kwargs):
初始化指标和封装的矩阵。metric 属性保存封装的矩阵。当节点只有一个类时,它是一个 BinaryConfusionMatrix。否则,它是一个具有 n_classes 类的 MulticlassConfusionMatrix。参数
  • **kwargs: 转发给 BaseMetric 的关键字参数,例如 node。
compute
Python
1def compute(self) -> dict[str, Tensor]:
返回自上次重置以来的 MCC 和矩阵。返回
  • dict[str, Tensor]: 一个包含两个键的字典。
    • "mcc" 保存矩阵的标量 MCC,参见 compute_mcc。
    • "confusion_matrix" 保存 int64 计数。行是目标类,列是预测类。形状是 [n_classes, n_classes],或者对于一个类是 [2, 2]。
reset
Python
1def reset(self):
重置封装的 torchmetrics 矩阵。该方法不会在此指标上调用 torchmetrics 的 Metric.reset。上次 compute 的缓存结果会保留,并且 compute 会返回它,直到下一次 update。在 InstanceSegmentationConfusionMatrix 中,框矩阵也保留其计数。
update
Python
1def update(predictions: Tensor, targets: Tensor):
将一个批次的预测和目标添加到矩阵中。对于多于一个类,该方法对两个张量的维度 1 进行 argmax。对于一个类,它将两个张量不变地传递。类文档字符串描述了封装矩阵如何计数它们。参数
  • predictions (Tensor): 节点的主要输出,对于分类是形状为 [B, n_classes] 的 logits,对于分割是形状为 [B, n_classes, H, W] 的 logits。
  • targets (Tensor): 相同形状的 one-hot 标签,任务的 classification 或 segmentation 标签。对于一个类,值必须是 0 或 1。其他值会导致 torchmetrics 引发 RuntimeError。

属性

metric
supported_tasks