# luxonis_perlin_loader_torch

Python API: `luxonis_train.loaders.luxonis_perlin_loader_torch`

异常检测任务的加载器。

[LuxonisLoaderPerlinNoise](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/loaders/luxonis_perlin_loader_torch.md)
将纹理图像混合到干净图像中，位于随机 Perlin 噪声掩码内部。该掩码是标签。

## 类

### LuxonisLoaderPerlinNoise

为异常检测任务添加合成异常的加载器。

数据集必须只有一个任务。当视图的第一个拆分是 `"train"` 时，加载器以 `noise_prob` 的概率向图像添加异常。异常是随机 Perlin 噪声掩码内的随机纹理图像，请参阅
[luxonis_train.loaders.perlin.apply_anomaly_to_img](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/loaders/perlin.md)。`train`
视图的图像高度和宽度必须是 `32` 的倍数。对于其他视图，加载器从数据集的 `segmentation` 标签读取异常掩码。

> **Example**
> 配置的 `loader` 部分：

```yaml
loader:
  name: LuxonisLoaderPerlinNoise
  params:
    dataset_name: mvtec_v2
    anomaly_source_path: ../data/dtd/images/
```

#### 方法

##### init

```python
def __init__(*args, anomaly_source_path: PathType, noise_prob: float = 0.5, beta: float | None = None, **kwargs):
```

初始化数据集并收集纹理图像。

参数

 * `*args`:
   [LuxonisLoaderTorch](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/loaders/luxonis_loader_torch.md)
   的位置参数。
 * `anomaly_source_path` (`PathType`): 纹理图像的目录。加载器收集目录树中所有扩展名为 `IMAGE_FORMATS` 的文件，不区分大小写。加载器将远程 URL 下载到 `./data`，并直接使用本地路径。
 * `noise_prob` (`float`): `train` 视图样本出现异常的概率。
 * `beta` (`float | None`): 掩码内干净图像的权重。纹理的权重为 `1 - beta`，因此 `0.0` 会产生不透明的异常。`None` 为每个异常从 `[0, 0.8)` 中抽取一个新值。
 * `**kwargs`:
   [LuxonisLoaderTorch](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/loaders/luxonis_loader_torch.md)
   的关键字参数。

引发

 * `FileNotFoundError`: 如果 `anomaly_source_path` 下载失败，或者目录中没有图像文件。
 * `ValueError`: 如果数据集有多个任务。

##### get_classes

```python
def get_classes(self) -> dict[str, Mapping[str, int]]:
```

返回异常掩码的两个类。

返回

 * `dict[str, Mapping[str, int]]`: 数据集任务的一个条目。其 `bidict` 将 `"background"` 映射到 `0`，将 `"anomaly"` 映射到 `1`。
