# segmentation

Python API: `luxonis_train.utils.segmentation`

将分割头的原始输出转换为布尔掩码。

## 函数

### seg_output_to_bool

```python
def seg_output_to_bool(data: Tensor, binary_threshold: float = 0.5) -> Tensor:
```

将一张图像的分割 logits 转换为布尔掩码。

当只有一个通道时，如果像素的 sigmoid 值至少为 `binary_threshold`，则该像素为 `True`。当有多个通道时，像素仅在具有最高 logit 的通道中为
`True`。[SegmentationVisualizer](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/visualizers/segmentation_visualizer.md)
和
[default_annotate](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/utils/annotation.md)
使用这些掩码。

> **示例**
> ```pycon
>>> import torch
>>> from luxonis_train.utils import seg_output_to_bool
>>> logits = torch.tensor([[[2.0, -1.0]], [[0.0, 3.0]]])
>>> seg_output_to_bool(logits).tolist()
[[[True, False]], [[False, True]]]
>>> seg_output_to_bool(torch.tensor([[[0.5, -0.5]]])).tolist()
[[[True, False]]]
```

参数

 * `data` (`Tensor`): 形状为 `[C, H, W]` 的 logits。
 * `binary_threshold` (`float`): 单通道的 sigmoid 阈值。对于多通道，该函数会忽略此参数。

返回

 * `Tensor`: 布尔掩码，其形状和设备与 `data` 相同。
