此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • EmbeddingsModel
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.embeddings.v1.model嵌入学习模型。

类

EmbeddingsModel

用于人脸识别或再识别的嵌入学习。该模型将图像映射到向量。损失函数将同一身份的向量拉近,并将不同身份的向量推开。通过向量之间的距离比较两张图像,因此新身份无需重新训练。

方法

init
Python
1def __init__(embedding_size: int = 16, metadata_task_override: str = 'color', alias: str | None = None):
初始化模型。参数
  • embedding_size (int):头部生成的嵌入向量的长度。它以 embedding_size 的形式到达头部。
  • metadata_task_override (str):数据集中保存每个样本身份的元数据字段。它重命名头部嵌入任务所需的 id 元数据标签。示例配置 embeddings_model.yaml 使用 "color"。
  • alias (str | None):头部节点的别名。None 给出 "<metadata_task_override>-embeddings"。
get_variants
Python
1def get_variants() -> tuple[str, dict[str, Params]]:
获取默认变体名称和可用变体。该模型有一个变体,default,没有参数。返回
  • tuple[str, dict[str, Params]]:"default" 和单个空变体。

属性

nodes
GhostFaceNet 主干和 GhostFaceNetHead。主干没有输入,因此它从加载器读取。头部从主干读取。两个节点都保留 "default" 变体。头部将 alias 和 metadata_task_override 作为节点字段,并将 embedding_size 放在其 params 中。其附加模块是:当配置中没有指标是主指标时,ModelConfig.check_main_metric 会标记配置的第一个指标。当配置列出的节点没有指标时,即 ClosestIsPositiveAccuracy。