annotate_utils
最后更新
luxonis_train.core.utils.annotate_utils使用训练好的模型对图像目录进行预标注,并将其转换为新的数据集。函数
annotate_from_directory
Python
1def annotate_from_directory(model: lxt.LuxonisModel, img_paths: Iterable[PathType], dataset_name: str, bucket_storage: Literal['local', 'gcs'] = 'local', delete_local: bool = True, delete_remote: bool = True, team_id: str | None = None) -> LuxonisDataset:- 它使用 create_loader_from_directory 在
img_paths上构建一个加载器,批处理大小为1。该函数会替换名为infer_from_directory的本地数据集。 - 它创建数据集
dataset_name并将 annotated_dataset_generator 的记录添加到其中。 - 它将非空数据集按 0.8、0.1 和 0.1 的比例拆分为
train、val和test。对于空数据集,它会记录警告。 - 它删除名为
infer_from_directory的数据集的本地副本。
model(lxt.LuxonisModel): 预测标注的模型。加载器应用其trainer.preprocessing。img_paths(Iterable[PathType]): 要标注的图像文件。dataset_name(str): 新数据集的名称。bucket_storage(Literal['local', 'gcs']): 新数据集的存储后端。delete_local(bool): 在函数创建新数据集之前,删除名为dataset_name的现有数据集的本地文件。如果为False且存储为"local",则记录将进入现有数据集。delete_remote(bool): 删除名为dataset_name的现有数据集的远程文件。该值仅在存储为"gcs"时有效。team_id(str | None): 拥有数据集的团队。None从环境中读取LUXONISML_TEAM_ID。
LuxonisDataset: 带有标注的新数据集。
annotated_dataset_generator
Python
1def annotated_dataset_generator(model: lxt.LuxonisModel, loader: torch_data.DataLoader) -> DatasetIterator:model 的 Lightning 模块置于评估模式。对于 loader 的每个批次,它在没有梯度的情况下运行 LuxonisLightningModule.full_forward。对于每个作为 BaseHead 的输出节点,它调用 BaseHead.annotate。该调用获取头部的输出、来自 "path" 样本元数据的图像路径以及配置的 trainer.preprocessing。生成器跳过其他输出节点。来自 annotate 的字典记录成为 DatasetRecord。当记录的唯一验证错误是边界框超出裁剪范围时,生成器会跳过该记录并记录调试消息。参数model(lxt.LuxonisModel): 预测标注的模型。loader(torch_data.DataLoader): 一个加载器,其批次包含输入、标签以及每个样本的元数据列表,如 create_loader_from_directory 使用return_sample_metadata=True构建。
DatasetIterator
- 头部为图像提供的记录。
ValidationError: 当记录因其他原因未能通过DatasetRecord的验证时。