model
最后更新
luxonis_train.config.predefined_models.anomaly_detection.v1.model无监督异常检测模型。类
AnomalyDetectionModel
noise_prob 的概率,加载器将纹理数据集中的图像混合到 Perlin 噪声掩码内的训练图像中。该掩码标记异常。骨干网络重建干净的图像。头部将重建图像和输入图像一起读取并分割异常。损失函数比较重建图像与干净图像,以及预测分割与掩码。吞吐量:: 256x256 时的每秒帧数。light: RVC2 上 10 帧,RVC4 上 170 帧heavy: RVC2 上 0.5 帧,RVC4 上 61 帧
示例
配置的
model 部分:Yaml
1model:
2 predefined_model:
3 name: AnomalyDetectionModel
4 params:
5 variant: light组件::- 节点: RecSubNet -> DiscSubNetHead
- 损失函数: ReconstructionSegmentationLoss
- 指标: JaccardIndex
- 可视化器: SegmentationVisualizer
- 主要指标: JaccardIndex
- 变体:
lightheavy
方法
init
Python
1def __init__(**kwargs):metrics_params 将替换整个默认的两类配置。get_variants
Python
1def get_variants() -> tuple[str, dict[str, Params]]:light。每个变体将 backbone_variant 和 head_variant 设置为一种大小:"n" 用于 light,"l" 用于 heavy。示例
Pycon
1>>> default, variants = AnomalyDetectionModel.get_variants()
2>>> default
3'light'
4>>> variants["heavy"]
5{'backbone_variant': 'l', 'head_variant': 'l'}tuple[str, dict[str, Params]]:"light"和两个变体及其构造函数参数。