此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 函数
  • apply_anomaly_to_img
  • compute_gradients
  • dot
  • fade_function
  • generate_perlin_noise
  • lerp_torch
  • rand_perlin_2d
  • rotate_noise
  • tile_grads
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.perlinPerlin 噪声掩码,以及将纹理转换为异常的混合。LuxonisLoaderPerlinNoise 调用 apply_anomaly_to_img,它使用 generate_perlin_noise 绘制其掩码。其他函数是噪声的步骤。

函数

apply_anomaly_to_img

Python
1def apply_anomaly_to_img(img: Tensor, anomaly_img: Tensor, beta: float | None = None) -> tuple[Tensor, Tensor]:
在随机 Perlin 噪声掩码内将纹理混合到图像中。该函数使用 generate_perlin_noise 绘制掩码 M。然后它混合图像 I 和纹理 A:I’ = (1 − M)⊙I + (1 − β)M⊙A + β**M⊙I图像在掩码外部不发生变化。在掩码内部,beta 是图像的权重,1 - beta 是纹理的权重。H 和 W 必须是 32 的倍数,请参阅 generate_perlin_noise。参数
  • img (Tensor): 形状为 [C, H, W] 的干净图像。
  • anomaly_img (Tensor): 形状为 [C, H, W] 的纹理图像。
  • beta (float | None): 掩码内部图像的权重。None 从 [0, 0.8) 中抽取一个值。
返回
  • tuple[Tensor, Tensor]: 带有异常的图像,形状为 [C, H, W],以及形状为 [H, W] 的掩码。掩码在异常内部为 1.0,在异常外部为 0.0。

compute_gradients

Python
1def compute_gradients(res: tuple[int, int]) -> Tensor:
在晶格的每个点绘制一个随机单位梯度。角度在 [0, 2π) 中均匀分布。它们使用全局 torch 随机状态。参数
  • res (tuple[int, int]): 沿每个维度晶格单元的数量。
返回
  • Tensor: 形状为 [res[0] + 1, res[1] + 1, 2] 的梯度 (cos, sin)。

dot

Python
1def dot(grad: Tensor, shift: tuple[int, int], grid: Tensor, shape: tuple[int, int]) -> Tensor:
计算每个像素偏移量与其角梯度的点积。从单元格角到像素的偏移量是 grid + shift。该函数在乘积之前将 grid 和 grad 裁剪为 shape。参数
  • grad (Tensor): 每个像素的角梯度,形状为 [H', W', 2],其中 H' >= H 且 W' >= W。
  • shift (tuple[int, int]): 角在单元格中的负位置:(0, 0)、(-1, 0)、(0, -1) 或 (-1, -1)。
  • grid (Tensor): 每个像素在其单元格中的位置,在 [0, 1) 中,形状为 [H'', W'', 2],其中 H'' >= H 且 W'' >= W。
  • shape (tuple[int, int]): 输出形状 (H, W)。
返回
  • Tensor: 形状为 [H, W] 的点积。

fade_function

Python
1def fade_function(t: Tensor) -> Tensor:
应用 Perlin 噪声的五次衰减曲线。f(t) = 6t5 − 15t4 + 10t3该曲线将 0 映射到 0,将 1 映射到 1。其一阶和二阶导数在两端均为零。因此,噪声的一阶和二阶导数在晶格单元边界处是连续的。参数
  • t (Tensor): 单元格内的位置,在 [0, 1] 中。
返回
  • Tensor: 衰减后的位置,形状与 t 相同。

generate_perlin_noise

Python
1def generate_perlin_noise(shape: tuple[int, int], min_perlin_scale: int = 0, perlin_scale: int = 6, threshold: float = 0.5) -> Tensor:
从阈值化的 Perlin 噪声生成随机二进制掩码。该函数为每个维度绘制一个指数 k,在 [min_perlin_scale, perlin_scale) 中的整数上均匀分布。来自 rand_perlin_2d 的噪声沿该维度具有 2 ** k 个单元格。噪声高于 threshold 的像素得到 1.0,其他像素得到 0.0。然后 rotate_noise 将掩码旋转一个随机角度。shape 中的每个大小都必须是 2 ** (perlin_scale - 1) 的倍数,对于默认值,它是 32。否则,某些绘制会失败,请参阅 rand_perlin_2d。参数
  • shape (tuple[int, int]): 掩码形状 (H, W)。
  • min_perlin_scale (int): 最小指数。
  • perlin_scale (int): 指数的上限,不包括。较大的指数会产生较小的噪声斑点。不大于 min_perlin_scale 的值会使 torch.randint 引发 RuntimeError。
  • threshold (float): 像素必须超过的噪声值才能得到 1.0。噪声在 [-1, 1] 中,因此较高的阈值会产生较小的掩码区域。
返回
  • Tensor: 形状为 [H, W] 的 torch.float32 掩码,值为 0.0 和 1.0。

lerp_torch

Python
1def lerp_torch(x: Tensor, y: Tensor, w: Tensor) -> Tensor:
使用权重 w 从 x 到 y 进行线性插值。lerp(x, y, w) = x + w(y − x)TorchScript 编译该函数。参数
  • x (Tensor): w = 0 时的值。
  • y (Tensor): w = 1 时的值。
  • w (Tensor): 权重。它们与 x 和 y 进行广播。
返回
  • Tensor: 插值后的值,形状与 x、y 和 w 广播后的形状相同。

rand_perlin_2d

Python
1def rand_perlin_2d(shape: tuple[int, int], res: tuple[int, int], fade: Callable[[Tensor], Tensor] = fade_function) -> Tensor:
生成具有随机梯度的 2D Perlin 噪声。该函数将输出分成 res[0] 乘以 res[1] 个晶格单元。它使用 compute_gradients 在每个晶格点绘制一个随机梯度。像素的值混合了其四个单元格角的点积,权重来自 fade。因子 √(2) 将值缩放到 [-1, 1]。噪声在每个晶格点处为 0。shape 中的每个大小都必须是 res 中相同维度值的倍数。否则,张量操作会引发 RuntimeError。如果大小为 1 且单元格多于一个,则会得到一个空张量。参数
  • shape (tuple[int, int]): 输出形状 (H, W)。
  • res (tuple[int, int]): 沿每个维度晶格单元的数量。更多的单元格会产生更小的噪声特征。
  • fade (Callable[[Tensor], Tensor]): 插值曲线。它获取每个像素在其单元格内的位置。
返回
  • Tensor: 形状为 [H, W] 的噪声,值在 [-1, 1] 中。

rotate_noise

Python
1def rotate_noise(noise: Tensor) -> Tensor:
将 2D 张量绕其中心旋转一个随机角度。角度在 [0, 2π) 中均匀分布,并使用全局 torch 随机状态。中心是 (H // 2, W // 2)。每个输出像素取输入像素在旋转位置的值,坐标向下取整。输入外部的位置移动到最近的边界。TorchScript 编译该函数。参数
  • noise (Tensor): 形状为 [H, W] 的张量。
返回
  • Tensor: 形状为 [H, W] 的旋转张量。它只包含 noise 中的值。

tile_grads

Python
1def tile_grads(slice1: tuple[int, int | None], slice2: tuple[int, int | None], gradients: Tensor, d: tuple[int, int]) -> Tensor:
在每个单元格的像素上重复梯度晶格的一个角。该函数获取切片 gradients[slice1[0]:slice1[1], slice2[0]:slice2[1]]。然后它将每行重复 d[0] 次,每列重复 d[1] 次。rand_perlin_2d 为四个单元格角中的每一个调用它一次。切片 (0, -1) 沿一个维度选择第一个角,(1, None) 选择第二个角。参数
  • slice1 (tuple[int, int | None]): 沿维度 0 的切片的开始和停止。
  • slice2 (tuple[int, int | None]): 沿维度 1 的切片的开始和停止。
  • gradients (Tensor): 晶格梯度。rand_perlin_2d 给出形状 [res[0] + 1, res[1] + 1, 2]。
  • d (tuple[int, int]): 沿每个维度单元格中的像素数。
返回
  • Tensor: 重复的梯度。对于 rand_perlin_2d 的切片,形状为 [res[0] * d[0], res[1] * d[1], 2]。