此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • LuxonisLoaderPerlinNoise
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

luxonis_perlin_loader_torch

最后更新
Python API: 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

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。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。

方法

init
Python
1def __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 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。
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
1def 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。