此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • OCRDecoder
  • OCREncoder
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.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

贪婪 CTC 解码器,将类别分数转换为文本。解码器在序列的每个步骤中选择最可能的类别。它会丢弃被忽略的类别,并且可以选择性地丢弃重复前一步骤类别的步骤。解码器的调用会运行 decode。

方法

init
Python
1def __init__(char_to_int: dict, ignored_tokens: list[int] | None = None, is_remove_duplicate: bool = True):
反转字符映射并存储选项。参数
  • 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]]:
将每个序列的类别分数解码为文本。该方法对类别应用 softmax,并在每个步骤中选择最可能的类别。它会丢弃类别在 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。参数
  • preds (Tensor): 形状为 [B, T, n_classes] 的 logits。
返回
  • 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

CTC 编码器,将文本标签转换为类别索引。类别 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。

方法

init
Python
1def __init__(alphabet: list[str], ignore_unknown: bool = True):
构建字母表和每个字符的类别索引。参数
  • 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:
将标签的字符代码转换为类别索引。值 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]。
返回
  • Tensor: 形状为 [N, L] 的类别索引,类型为 int64。

属性

alphabet
每个类别的字符,按索引顺序排列。空白 "" 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。
char_to_int
每个字符的类别索引。
n_classes
类别数量,即 alphabet 的长度。