此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • OCRVisualizer
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

ocr_visualizer

最后更新
Python API: luxonis_train.attached_modules.visualizers.ocr_visualizer在白色面板上写入识别文本的可视化工具。

类

OCRVisualizer

OCR 头文本预测的可视化工具。可视化工具不会在输入图像上绘制。它会为每个图像返回一个带有白色面板的图像。面板显示目标文本和预测文本及其平均概率。
https://raw.githubusercontent.com/luxonis/luxonis-train/e542cf0efa20a0fc5c781ff505d699031cb0d228/media/example_viz/ocr.png
输入图像及其文本面板。
  • 输入::
    • prediction_canvas、target_canvas (Tensor):[B, 3, H, W]
    • predictions (Tensor):[B, T, C] logits
    • targets (Tensor | None):[B, Tmax] Unicode 码点,用 0 填充
  • 输出::
    • tuple[Tensor, Tensor]:[B, 3, H, W],输入图像和文本面板

方法

init
Python
1def __init__(font_scale: float = 0.5, color: tuple[int, int, int] = (0, 0, 0), thickness: int = 1, **kwargs):
初始化可视化工具并存储文本选项。参数
  • font_scale (float):OpenCV 文本的字体比例。
  • color (tuple[int, int, int]):文本颜色,每个通道一个值在 [0, 255] 之间,按画布的通道顺序。默认值为黑色。
  • thickness (int):文本的线条粗细,以像素为单位。
  • **kwargs:转发到 BaseVisualizer 的关键字参数,例如 scale 和 node。node 必须是 OCRCTCHead,因为 forward 使用其 decoder。其他节点类型会引发 IncompatibleError。
forward
Python
1def forward(prediction_canvas: Tensor, target_canvas: Tensor, predictions: Tensor, targets: Tensor | None) -> tuple[Tensor, Tensor]:
在白色面板上写入目标文本和预测文本。节点的 decoder 将 predictions 转换为文本和每个图像的平均概率。对于每个图像,该方法用白色填充画布大小的面板。当给出 targets 时,它会写入 "GT: <目标文本>",文本的左下角位于像素 (5, 20)。它会在 (5, 40) 处写入 "Pred: <预测文本> <概率>"。概率有两位小数,对于空文本为 nan。参数
  • prediction_canvas (Tensor):形状为 [B, 3, H, W] 的图像。该方法仅使用此张量的形状、dtype 和设备。
  • target_canvas (Tensor):形状为 [B, 3, H, W] 的 uint8 图像。面板将获得这些图像的大小。
  • predictions (Tensor):节点的 logits,形状为 [B, T, n_classes]。
  • targets (Tensor | None):metadata/text 标签,形状为 [B, T_max]。每行包含一个文本的 Unicode 码点,用 0 填充。当批次没有文本标签时为 None。
返回
  • tuple[Tensor, Tensor]:target_canvas 的副本,以及相同形状张量中的面板。

属性

node