此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • SegmentationHead
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

segmentation_head

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

类

SegmentationHead

带有双线性上采样步骤的基本 FCN 分割头。
  • 输入::
    • inputs (Tensor): [B, C, H ⁄ s, W ⁄ s]
  • 输出::
    • segmentation (Tensor): [B, nclasses, H, W] logits。当 s < 1 时,logits 保持特征图的大小:[B, nclasses, H ⁄ s, W ⁄ s]。
  • 变体:: 无。通过 params 配置节点。

方法

init
Python
1def __init__(**kwargs: Any):
构建上采样步骤和类别卷积。infer_upscale_factor 从特征图的大小和 original_in_shape 中的图像大小给出步骤数 n。当大小比率不是 2 的幂时,它会引发 ValueError。当高度比率与宽度比率不同时,它也会引发此错误。每个步骤将通道减半并向下取整。因此,最后一步有 ⌊c ⁄ 2n⌋ 个通道,其中 c 是特征图的通道数。当特征图不小于图像时,n 为 0 或更小。此时,头部没有上采样步骤,logits 保持特征图的大小。该类将 BaseNode.in_channels、BaseNode.in_height 和 BaseNode.in_width 注释为 int。attach_index 为 "all" 或范围时会给出列表。因此,这样的 attach_index 会使构造函数引发 IncompatibleError。参数
  • **kwargs (Any): BaseNode 的关键字参数。它们必须包含 original_in_shape,通过 input_shapes 或 in_sizes 输入大小,以及通过 n_classes 或 dataset_metadata 输入类别计数。
forward
Python
1def forward(inputs: Tensor) -> Tensor:
计算分割 logits。参数
  • inputs (Tensor): 形状为 [B, C, H/s, W/s] 的特征图。
返回
  • Tensor: 形状为 [B, n_classes, H, W] 的 logits。当 s < 1 时,logits 保持特征图的大小,[B, n_classes, H/s, W/s]。BaseNode.run 将它们放在 "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。

属性

in_channels
附加输入的通道数。它是 in_sizes 倒数第三个维度,因此带或不带批次维度的形状给出相同的值。大小列表给出通道计数列表。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 倒数第二个维度。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