最后更新
luxonis_train.utils.ocr文本与 OCR 头预测的类别索引之间的 CTC 编码器和解码器。类
OCRDecoder
方法
init
Python
1def __init__(char_to_int: dict, ignored_tokens: list[int] | None = None, is_remove_duplicate: bool = True):char_to_int(dict): 每个字符的类别索引,如 OCREncoder 所构建。ignored_tokens(list[int] | None): 要丢弃的类别索引。None选择[0],即 CTC 空白。空列表保留所有类别。is_remove_duplicate(bool): 是否丢弃类别与前一步骤类别相同的步骤。
decode
Python
1def decode(preds: Tensor) -> list[tuple[str, float]]:ignored_tokens 中的每个步骤。如果 is_remove_duplicate 为 True,它还会丢弃类别与前一步骤类别相同的步骤。比较时也会使用前一步骤,即使该步骤已被丢弃。因此,两个相同字符之间的空白会保留这两个字符。示例
Pycon
1>>> import torch
2>>> from luxonis_train.utils import OCRDecoder
3>>> decoder = OCRDecoder({"": 0, "a": 1, "b": 2})
4>>> classes = torch.tensor([[1, 1, 0, 1, 2]])
5>>> logits = torch.nn.functional.one_hot(classes, 3) * 10.0
6>>> text, confidence = decoder.decode(logits)[0]
7>>> text, round(confidence, 3)
8('aab', 1.0)preds(Tensor): 形状为[B, T, n_classes]的 logits。
list[tuple[str, float]]: 每个序列一个(text, confidence)对。置信度是保留步骤的平均概率,对于空文本为nan。
OCREncoder
0 是 CTC 空白 ""。其后是字母表中排序的唯一字符。如果 ignore_unknown=False,则 "<UNK>" 是最后一个类别。编码器的调用会运行 encode。示例
Pycon
1>>> import torch
2>>> from luxonis_train.utils import OCREncoder
3>>> encoder = OCREncoder(["b", "a"])
4>>> [str(char) for char in encoder.alphabet], encoder.n_classes
5(['', 'a', 'b'], 3)
6>>> codes = torch.tensor([[ord("b"), ord("x"), ord("a"), 0]])
7>>> encoder.encode(codes).tolist()
8[[2, 1, 0, 0]]
9>>> strict_encoder = OCREncoder(["b", "a"], ignore_unknown=False)
10>>> strict_encoder.encode(codes).tolist()
11[[2, 3, 1, 0]]方法
init
Python
1def __init__(alphabet: list[str], ignore_unknown: bool = True):alphabet(list[str]): 标签的字符。编码器会对其进行排序并丢弃重复项。ignore_unknown(bool): encode 是否丢弃不在alphabet中的字符。如果为False,编码器会添加类别"<UNK>"并将此类字符映射到它。
encode
Python
1def encode(targets: Tensor) -> Tensor:0 是填充,并给出空白类别 0。如果 ignore_unknown 为 True,该方法会丢弃不在字母表中的字符。后面的字符会向左移动,0 会填充行的末尾。否则,该字符会获得 "<UNK>" 类别。参数targets(Tensor): 标签的 Unicode 码点,形状为[N, L]。
Tensor: 形状为[N, L]的类别索引,类型为int64。
属性
alphabet
"" 排在最前面。其后是排序的唯一字符,如果 ignore_unknown 为 False,则接着是 "<UNK>"。排序的字符是 np.str_ 值。