annotation
最后更新
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:"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。
"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。
DatasetIterator
luxonis_ml记录格式的一条记录。
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。