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
  • default_annotate
  • 属性
  • ALLOWED_ANNOTATE_LABELS
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.utils.annotation将模型的预测转换为数据集注释。

函数

default_annotate

Python
1def default_annotate(head: lxt.nodes.BaseHead, head_output: Packet[Tensor], image_paths: list[Path], config_preprocessing: PreprocessingConfig) -> DatasetIterator:
将一个批次的头部输出转换为数据集记录。BaseHead.annotate 返回此生成器。它支持标签 "boundingbox"、"keypoints"、"instance_segmentation"、"segmentation"、"classification" 和 "text"。它读取 head.task 所需的每个标签的条目。对于每个图像,生成器读取图像文件以获取原始大小。transform_boxes、transform_keypoints 和 transform_masks 将预测映射到原始图像。每条记录都有键 "file"、"task_name" 和 "annotation"。"annotation" 条目取决于标签:
  • "boundingbox":每个框一条记录,包含 "instance_id"、类名以及归一化的 x、y、w 和 h。预测的第 0 到 3 列包含 xyxy 框,第 5 列包含类索引。
  • "keypoints":每个实例一条记录,包含 "instance_id" 和 (x, y, visibility) 元组。可见性是预测的第三个值,经过四舍五入。
  • "instance_segmentation":每个实例一条记录,包含 "instance_id" 和原始大小的掩码。当调整大小后的预测不为零时,掩码为 True。
  • "segmentation":每个类一条记录,包含类名和来自 seg_output_to_bool 的掩码。
  • "classification":一条记录,包含得分最高的类。
  • "text":一条记录,包含 "metadata" 条目。其 "text" 键包含 head.decoder 从 "ocr" 条目读取的文本。
当除 "text" 之外的每个所需标签都没有图像预测时,生成器会生成一条仅包含 "file" 键的记录。仅需要 "text" 的任务永远不会生成此类记录。生成器在迭代期间引发错误,而不是在调用时引发。警告: 如果没有 keep_aspect_ratio,生成器不会缩放 train_image_size 中的框和关键点坐标。当原始大小与它不同时,坐标是错误的。参数
  • head (lxt.nodes.BaseHead):进行预测的头部。生成器读取其 task、task_name、classes 和 name。对于 "text" 标签,它还读取 decoder。
  • head_output (Packet[Tensor]):头部的输出包。每个标签的条目为每个图像包含一个元素。"text" 标签读取 "ocr" 条目。
  • image_paths (list[Path]):原始图像的路径,按批次顺序排列。
  • config_preprocessing (PreprocessingConfig):预处理配置。生成器读取 train_image_size 和 keep_aspect_ratio。
返回
  • DatasetIterator
生成
  • luxonis_ml 记录格式的一条记录。
引发
  • ValueError:当 head.task 需要生成器不支持的标签时,或者当没有 decoder 的头部需要 "text" 标签时。
  • FileNotFoundError:当 OpenCV 无法读取图像时。

属性

ALLOWED_ANNOTATE_LABELS