此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • DetectionModel
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.config.predefined_models.detection.v1.model边界框检测模型。

类

DetectionModel

边界框检测,基于 YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications。
  • 吞吐量:: 384x512 时的每秒帧数。
    • light: RVC2 上 50,RVC4 上 194
    • medium: RVC2 上 25,RVC4 上 166
    • heavy: RVC2 上 7,RVC4 上 120
  • 准确度:: 这些数据来自在 COCO train2017 上训练的模型。测量使用 COCO val2017。
    • light: 36.1 mAP
    • heavy: 51.2 mAP 这些数据在 head_params 中使用 conf_thres 为 0.03 和 iou_thres 为 0.65。其他模型的发布数据使用相同的低置信度阈值和高 IoU 阈值。

方法

init
Python
1def __init__(**kwargs):
从其组件名称初始化模型。所有参数均为仅限关键字参数。typechecked 装饰器在运行时检查它们的类型。参数
  • backbone: 已注册骨干节点的类名。
  • backbone_variant: 骨干的变体。None 构建不带变体参数的骨干。
  • head: 已注册头部节点的类名。
  • head_variant: 头部的变体。None 构建不带变体参数的头部。
  • neck: 已注册颈部节点的类名。None 将头部连接到骨干。
  • neck_variant: 颈部的变体。None 构建不带变体参数的颈部。
  • loss: 已注册损失的类名。模型将其以 1.0 的权重附加到头部。
  • metrics: 附加到头部的已注册指标的类名。字符串表示一个指标。None 不附加任何指标。
  • main_metric: 标记为主要指标的指标。训练器将此指标最高值的检查点保留在 best_val_metric 中。None 取 metrics 中唯一的名称,如果 metrics 为空则不取任何指标。不在 metrics 中的名称不标记任何指标。当配置中没有指标被标记时,ModelConfig.check_main_metric 会标记第一个。
  • visualizer: 附加到头部的已注册可视化工具的类名。None 不附加任何可视化工具。
  • confusion_matrix_available: 头部是否支持 ConfusionMatrix 指标。子类为其头部设置此项。
  • backbone_params: 骨干的构造函数参数。freezing 键不会传递给构造函数。请参阅注意事项。
  • neck_params: 颈部的构造函数参数,具有相同的 freezing 键。
  • use_neck: 构建颈部。即使设置了 neck,False 也会省略颈部,头部从骨干读取。
  • head_params: 头部的构造函数参数,具有相同的 freezing 键。
  • loss_params: 损失的构造函数参数。
  • metrics_params: metrics 中每个指标接收的构造函数参数。enable_confusion_matrix 添加的 ConfusionMatrix 指标不接收它们。
  • visualizer_params: 可视化工具的构造函数参数。
  • enable_confusion_matrix: 将 ConfusionMatrix 指标附加到头部,不带主要指标标志。当 confusion_matrix_available 为 False 时,它不起作用。
  • confusion_matrix_params: ConfusionMatrix 指标的构造函数参数。
  • task_name: 头部读取的数据集任务。它成为头部节点的 task_name。
  • torchmetrics_task: metrics 中每个指标接收的 torchmetrics_task 键的值。None 不添加任何键。该键进入 metrics_params,因此非空的 metrics_params 字典会原地更改。此包中的任何指标都不读取该键。TorchMetricWrapper 指标读取 task 并将 torchmetrics_task 传递给 torchmetrics,这会引发 ValueError。请改为在 metrics_params 中设置 task。
  • per_class_metrics: metrics 中每个指标接收的 per_class_metrics 键的值。None 不添加任何键。当 LuxonisLightningModule 构建指标时,该键成为指标类声明的每个类参数。当类未声明时,模块会删除该键并记录警告。
  • finetuning: 每个组件的微调条目。每个字典都成为该节点的 FinetuningConfig。
  • **kwargs
引发
  • ValueError: 当 main_metric 为 None 且 metrics 命名了多个指标时。
get_variants
Python
1def get_variants() -> tuple[str, dict[str, Params]]:
获取默认变体名称和可用变体。默认值为 light。每个变体将 backbone_variant 和 neck_variant 设置为一种大小:
  • light: "n"
  • medium: "s"
  • heavy: "l"
每个变体还将 backbone_params 和 neck_params 中的 weights 设置为 "download"。然后,这两个节点都会下载并加载其变体的 COCO 检查点。配置中给定的 backbone_params 或 neck_params 会替换整个变体字典。再次设置 weights 以保留 COCO 检查点。返回
  • tuple[str, dict[str, Params]]: "light" 和三个变体及其构造函数参数。