此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • DDRNetSegmentationHead
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

ddrnet_segmentation_head

最后更新
Python API: luxonis_train.nodes.heads.ddrnet_segmentation_headDDRNet 的分割头。

类

DDRNetSegmentationHead

DDRNet 分割头。
  • 输入::
    • inputs (Tensor): [B, C, H ⁄ s, W ⁄ s]
  • 输出::
    • 训练、评估:
      • segmentation (Tensor): [B, nclasses, H, W] logits
    • 导出:
      • segmentation (Tensor): [B, H, W] int32 类索引,或当 n_classes == 1 时为 [B, 1, H, W],值为 0 和 1
  • 变体:: 无。通过 params 配置节点。

方法

init
Python
1def __init__(inter_channels: int = 64, inter_mode: Literal['nearest', 'linear', 'bilinear', 'bicubic', 'trilinear', 'area', 'pixel_shuffle'] = 'bilinear', **kwargs):
构建头部的层和上采样。构造函数计算比例 s = 2n。infer_upscale_factor 根据输入大小和模型输入大小给出 n。当高度比或宽度比不是 2 的幂,或当两个比率不同时,该函数会引发 ValueError。参数
  • inter_channels (int): 3x3 卷积的输出通道数。对于 "pixel_shuffle",它必须是 s2 的倍数。
  • inter_mode (Literal['nearest', 'linear', 'bilinear', 'bicubic', 'trilinear', 'area', 'pixel_shuffle']): 上采样方法。"pixel_shuffle" 使用 torch.nn.PixelShuffle。其他值是 torch.nn.Upsample 的 mode。对于 "linear" 或 "trilinear",forward 会引发 NotImplementedError,因为这些模式需要 3D 或 5D 输入。
  • **kwargs: BaseNode 的关键字参数。它们必须包含 original_in_shape、input_shapes 或 in_sizes,以及通过 n_classes 或 dataset_metadata 给出的类计数。
引发
  • ValueError: 当 inter_mode 为 "pixel_shuffle" 且 inter_channels 不是 s2 的倍数时。
forward
Python
1def forward(inputs: Tensor) -> Tensor:
计算 logits,或在导出模式下计算类索引。参数
  • inputs (Tensor): 形状为 [B, C, H / s, W / s] 的特征图。
返回
  • Tensor: 在非导出模式下,形状为 [B, n_classes, H, W] 的 logits。在导出模式下,一个 int32 张量。它包含每个像素具有最高 logit 的类索引,形状为 [B, H, W]。当 n_classes == 1 时,它包含 logit 大于 0 的位置的 1,形状为 [B, 1, H, W]。BaseNode.run 将结果放在 "segmentation" 键下。
get_custom_head_config
Python
1def get_custom_head_config(self) -> Params:
返回 NN Archive 的头部特定元数据。子类重写该方法以向其解析器提供更多值。get_head_config 将结果合并到 "metadata" 字典中。基本实现返回一个空字典。返回
  • Params: 附加的元数据键及其值。
get_weights_url
Python
1def get_weights_url(self) -> str:
根据输入通道数选择 COCO 检查点。128 通道的 23-slim 主干网络使用 slim 检查点;256 通道的 23 主干网络使用完整检查点。引发
  • NotImplementedError: 如果输入既不是 128 也不是 256 通道。
load_checkpoint
Python
1def load_checkpoint(path: str | None = None, strict: bool = False):
加载检查点,默认情况下非严格键匹配。该方法将 path 作为 ckpt 传递给 BaseNode.load_checkpoint。重写将第一个参数重命名并将 strict 的默认值设置为 False。警告: 重写没有 ckpt 参数。构造后,节点会为 weights URL 调用 load_checkpoint(ckpt=...)。因此,诸如 DDRNetSegmentationHead(weights="https://...") 之类的调用会引发 TypeError。对于 weights="download",节点在没有参数的情况下调用该方法,因此该值不会以这种方式失败。参数
  • path (str | None): .ckpt 文件的本地路径或 URL。LuxonisLightningModule 也提供状态字典,基本方法直接加载它。None 或 "" 从 get_weights_url 获取 URL。
  • strict (bool): 检查点的键是否必须与头部的键完全匹配。

属性

bn1
bn2
conv1
conv2
in_channels
附加输入的通道数。它是 in_sizes 从末尾开始的第三个维度,因此带或不带批次维度的形状给出相同的值。大小列表给出通道数列表。引发
  • RuntimeError: 当 in_sizes 无法找到输入大小时。
  • ValueError: 当 attach_index 不适合大小时。
in_height
附加输入的高度。它是 in_sizes 从末尾开始的第二个维度。大小列表给出高度列表。引发
  • RuntimeError: 当 in_sizes 无法找到输入大小时。
  • ValueError: 当 attach_index 不适合大小时。
in_width
附加输入的宽度。它是 in_sizes 的最后一个维度。大小列表给出宽度列表。引发
  • RuntimeError: 当 in_sizes 无法找到输入大小时。
  • ValueError: 当 attach_index 不适合大小时。
parser
relu
upscale