tasks
最后更新
luxonis_train.tasks头部可以解决的任务,以及每个任务所需的标签。任务将头部连接到附加到它的损失、指标和可视化工具。它给出头部主要预测的键以及加载器必须提供的标签。Tasks 提供每个内置任务的实例。类
AnomalyDetection
"anomaly_detection"。LuxonisLoaderPerlinNoise 提供其所有标签。"segmentation" 标签是形状为 [2, H, W] 的独热异常掩码。"original_segmentation" 标签是没有添加异常的输入图像。方法
init
Python
1def __init__(self):属性
main_output
name。当 forward 返回张量或张量列表时,BaseNode.run 将结果放在此键下。附加模块从此键填充一些参数。此类参数的名称以 pred 开头且没有下划线,例如 predictions。required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。BoundingBox
"boundingbox"。它只需要 "boundingbox" 标签。方法
init
Python
1def __init__(self):Classification
"classification"。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。Embeddings
"embeddings"。它需要整数或分类 "metadata/id" 标签。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。Fomo
"fomo"。FOMO 头部预测对象中心的热图。该任务需要 "boundingbox" 标签,其主要预测是 "heatmap"。方法
init
Python
1def __init__(self):属性
main_output
name。当 forward 返回张量或张量列表时,BaseNode.run 将结果放在此键下。附加模块从此键填充一些参数。此类参数的名称以 pred 开头且没有下划线,例如 predictions。InstanceBaseTask
"boundingbox" 标签。一些子类添加更多标签。属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。InstanceKeypoints
"keypoints"。它需要边界框和关键点。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。InstanceSegmentation
"instance_segmentation"。它需要边界框和实例掩码。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。InstanceSegmentationKeypoints
"instance_segmentation_keypoints"。它需要边界框、实例掩码和关键点。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。Keypoints
"pointcloud"。与 InstanceKeypoints 不同,它不需要 "boundingbox" 标签。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的数据集任务,而不是任务的 name。该属性为每个任务实例计算一次值。Metadata
"metadata/<name>"。加载器输出中标签的键是 "<task_name>/metadata/<name>",其中 <task_name> 是节点的数据集任务。当 name 和 typ 相等时,两个标签相等。哈希仅取决于 name。示例
Pycon
1>>> from luxonis_train.tasks import Metadata
2>>> label = Metadata("text", str)
3>>> str(label)
4'metadata/text'方法
check_type
Python
1def check_type(typ: UnionType | type) -> bool:typ 属性是联合类型时,该方法检查 typ 参数是否是联合类型的成员之一。否则,它检查两种类型是否相等。接受类型的子类不匹配。示例
Pycon
1>>> from luxonis_train.tasks import Metadata
2>>> label = Metadata("id", int | str)
3>>> label.check_type(str), label.check_type(float)
4(True, False)
5>>> Metadata("flag", int).check_type(bool)
6Falsetyp(UnionType | type): 要检查的类型,例如数据集中标签的类型。
bool: 当标签接受typ时为True。
属性
name
"id"。节点的配置中的 metadata_task_override 字段可以重命名它。typ
Ocr
"ocr"。它需要字符串 "metadata/text" 标签。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的datasets任务,而不是任务的 name。该属性为每个任务实例计算一次值。Segmentation
"segmentation"。方法
init
Python
1def __init__(self):属性
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的datasets任务,而不是任务的 name。该属性为每个任务实例计算一次值。staticproperty
方法
init
Python
1def __init__(func: Callable):Task
task 类属性中设置其任务。损失、指标或可视化工具在其 supported_tasks 中列出其支持的任务。当两个任务具有相同的类和相同的 name 时,它们相等。子类必须覆盖 required_labels。Python 不强制执行此规则,因为 functools.cached_property 隐藏了抽象方法。没有覆盖的子类实例将为 required_labels 返回 None。属性
main_output
name。当 forward 返回张量或张量列表时,BaseNode.run 将结果放在此键下。附加模块从此键填充一些参数。此类参数的名称以 pred 开头且没有下划线,例如 predictions。name
required_labels
"boundingbox" 和 Metadata 标签。加载器输出中标签的键是 "<task_name>/<label>"。<task_name> 是节点的datasets任务,而不是任务的 name。该属性为每个任务实例计算一次值。Tasks
node.task in supported_tasks 等测试有效。示例
Pycon
1>>> from luxonis_train.tasks import Tasks
2>>> task = Tasks.INSTANCE_KEYPOINTS
3>>> task.name, task.main_output
4('keypoints', 'keypoints')
5>>> sorted(task.required_labels)
6['boundingbox', 'keypoints']
7>>> Tasks.FOMO.main_output
8'heatmap'
9>>> Tasks.BOUNDINGBOX == Tasks.BOUNDINGBOX
10True