此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 子页面
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.loaders将批次馈送到训练循环的加载器。LuxonisLoaderTorch 是默认设置。它读取现有的 LuxonisDataset,或将支持的目录解析为新的数据集。LuxonisLoaderPerlinNoise 在 Perlin 噪声掩码中添加合成异常,用于异常检测任务。DummyLoader 生成零样本,以便在没有可用数据集时模型可以构建。
  • 标签:: BaseLoaderTorch.collate_fn 在其 "<task_name>/<label>" 键下返回批次的每个标签。B 是批次大小,N 是整个批次中的实例数。
    • 分类:[B, C],每个图像的多热类向量。
    • 分割:[B, C, H, W],每个类一个掩码通道。
    • 边界框:[N, 6],行 [batch_index, class, x, y, w, h]。
    • 关键点:[N, 3K + 1],一个批次索引,然后是 K 个关键点中的每个关键点的 (x, y, 可见性)。
    • 实例分割:[N, H, W],每个框一个掩码,按框的顺序排列。
    • metadata/text:[B, S],每个图像文本的字符代码,用零填充到最长文本的长度 S。ocr 任务读取此标签。
    • 其他 metadata/<name> 标签:所有样本的值,沿第一个维度连接。当每个图像有一个值时,结果的形状为 [B],例如 embeddings 任务的 metadata/id 标签。
  • 编写自定义加载器::子类化 BaseLoaderTorch 并实现 input_shapes、__len__、__getitem__ 和 get_classes。带有关键点标签的加载器还必须实现 get_n_keypoints。当标签需要其他合并规则时,覆盖 collate_fn。将子类的名称放在配置的 loader.name 字段中。

子页面