luxonis_perlin_loader_torch
最后更新
luxonis_train.loaders.luxonis_perlin_loader_torch异常检测任务的加载器。LuxonisLoaderPerlinNoise 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
"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。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
1loader:
2 name: LuxonisLoaderPerlinNoise
3 params:
4 dataset_name: mvtec_v2
5 anomaly_source_path: ../data/dtd/images/方法
init
Python
1def __init__(*args, anomaly_source_path: PathType, noise_prob: float = 0.5, beta: float | None = None, **kwargs):*args: LuxonisLoaderTorch 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 的关键字参数。
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
1def get_classes(self) -> dict[str, Mapping[str, int]]: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。