`ml.postprocessing.darknet` — Darknet¶

Modul ml.postprocessing.darknet obsahuje následné procesory pro modely detekce objektů založené na Darknetu.

class YoloV2 – YOLO V2¶

Následný procesor pro výstupy modelu YOLO V2.

class ml.postprocessing.darknet.YoloV2(threshold: float = 0.6, anchors: numpy.ndarray = None, nms_threshold: float = 0.1, nms_sigma: float = 0.1)¶

Vytvoří následný procesor YOLO V2.

threshold Práh skóre uplatněný před potlačením nemaxim (non-maximum suppression).

anchors 2D numpy.ndarray tvaru (N, 2) obsahující rozměry (w, h) kotevních rámečků (anchor boxes), na nichž byl model trénován. Je-li None, použije se vestavěná výchozí sada 5 kotev.

nms_threshold Práh předaný potlačení nemaxim (non-maximum suppression).

nms_sigma Hodnota sigma předaná potlačení nemaxim (non-maximum suppression).

__call__(model: ml.Model, inputs: list, outputs: list) → list¶

Vyvoláno funkcí ml.Model.predict() pro následné zpracování výstupů modelu.

model Instance ml.Model, ke které je následný procesor připojen.

inputs Seznam vstupních objektů modelu (slouží k získání vstupní ROI).

outputs Seznam surových výstupních tenzorů modelu.

Vrací seznam seznamů n-tic ((x, y, w, h), score) po jednotlivých třídách. Např. [[((x, y, w, h), score), ...], ...]. Prázdné seznamy tříd jsou zachovány, takže index každého seznamu odpovídá indexu třídy modelu. Vrací prázdnou n-tici (), pokud žádná detekce nepřekročí práh skóre.

class YoloLC – YOLO LC¶

Následný procesor pro výstupy modelu YOLO LC. Podtřída třídy YoloV2, která poskytuje jinou výchozí sadu kotev vyladěnou pro model YOLO LC.

class ml.postprocessing.darknet.YoloLC(threshold: float = 0.6, anchors: numpy.ndarray = None, nms_threshold: float = 0.1, nms_sigma: float = 0.1)¶

Vytvoří následný procesor YOLO LC.