segmentation_head
最后更新
luxonis_train.nodes.heads.segmentation_headFCN 分割头。类
SegmentationHead
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]。
参考
- 来源:改编自 torchvision FCN (BSD-3-Clause)。
- 许可证:BSD-3-Clause
变体:: 无。通过params配置节点。
示例
配置中
model.nodes 部分的节点条目:Yaml
1- name: SegmentationHead
2 inputs: [RepPANNeck]兼容::- 附加索引:
-1,输入节点的最后一个输出 - 所需标签:
segmentation - 损失:
- 指标:
- 可视化工具:SegmentationVisualizer
- 导出解析器:
SegmentationParser
- 附加索引:
方法
init
Python
1def __init__(**kwargs: Any):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:示例
步长为
4 的特征图获得两个上采样步骤:Pycon
1>>> import torch
2>>> from torch import Size
3>>> from luxonis_train.nodes import SegmentationHead
4>>> head = SegmentationHead(
5... n_classes=3,
6... input_shapes=[{"features": [Size([1, 16, 8, 8])]}],
7... original_in_shape=Size([3, 32, 32]),
8... )
9>>> head(torch.zeros(1, 16, 8, 8)).shape
10torch.Size([1, 3, 32, 32])inputs(Tensor): 形状为[B, C, H/s, W/s]的特征图。
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:"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
head
in_channels
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
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
RuntimeError: 当 in_sizes 无法找到输入大小时。ValueError: 当 attach_index 不适合大小时。