ml.postprocessing.mediapipe — Google Mediapipe

ml.postprocessing.mediapipe-moduuli sisältää jälkikäsittelijöitä Google Mediapipe -malleille.

luokka mediapipe_detection_postprocess – yleinen Mediapipe-tunnistin

Perusluokka, jonka BlazeFace ja BlazePalm jakavat. Dekoodaa ankkuripohjaiset rajauslaatikot ja avainpisteet ja suorittaa sitten NMS-käsittelyn.

class ml.postprocessing.mediapipe.mediapipe_detection_postprocess(threshold: float = 0.6, anchors: ndarray | None = None, anchor_grid: list[tuple[int, int]] | None = None, scores: list[int] = [], cords: list[int] = [], nms_threshold: float = 0.1, nms_sigma: float = 0.1)

Luo yleisen Mediapipe-tunnistusjälkikäsittelijän.

threshold Pistemäärän kynnysarvo, jota sovelletaan raakoihin logiteihin ennen sigmoidia.

anchors Valinnainen valmiiksi rakennettu ankkuritaulukko, jonka muoto on (N, 2) ja joka sisältää välille [0, 1] normalisoidut keskipisteet (cx, cy). Jos None, ankkurit generoidaan kohteesta anchor_grid.

anchor_grid Luettelo (grid_size, scales) -monikoita, joita käytetään ankkureiden generoimiseen, kun anchors on None.

scores Luettelo mallin ulostuloindekseistä, jotka sisältävät pistemäärätensorit.

cords Luettelo mallin ulostuloindekseistä, jotka sisältävät laatikko- tai avainpistetensorit.

nms_threshold IoU-kynnysarvo non-maximum suppression -käsittelylle.

nms_sigma Sigma soft-NMS:n pistemäärän vaimenemiselle.

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

Suorittaa mallin ulostulojen jälkikäsittelyn ja palauttaa luettelon ((x, y, w, h), score, keypoints) -monikoita. Palauttaa tyhjän monikon (), kun mikään tunnistus ei ylitä pistemäärän kynnysarvoa.

detection_post_process(ih: int, iw: int, nms: ml.utils.NMS, model: ml.Model, inputs: list, outputs: list, score_idx: int, cords_idx: int, t: float, anchors: ndarray) → None

Dekoodaa ja lisää rajauslaatikot yhdestä (score, cords) -ulostuloparista annettuun NMS-kerääjään.

luokka BlazeFace – kasvojentunnistus

Jälkikäsittelee BlazeFace-mallin ulostulon.

class ml.postprocessing.mediapipe.BlazeFace(threshold: float = 0.6, anchors: ndarray | None = None, nms_threshold: float = 0.1, nms_sigma: float = 0.1)

Luo BlazeFace-jälkikäsittelijän. Käyttää ankkuriruudukkoa [(16, 2), (8, 6)], jossa pistemääräulostulot ovat [1, 2] ja laatikkoulostulot [0, 3].

threshold Pistemäärän kynnysarvo tunnistuksille.

anchors Valinnainen valmiiksi rakennettu ankkuritaulukko; generoidaan automaattisesti, jos None.

nms_threshold IoU-kynnysarvo non-maximum suppression -käsittelylle.

nms_sigma Sigma soft-NMS:n pistemäärän vaimenemiselle.

Palauttaa kohteesta __call__ luettelon ((x, y, w, h), score, keypoints) -monikoita, joissa keypoints on luettelo (x, y) -pisteitä.

luokka BlazePalm – kämmenen tunnistus

Jälkikäsittelee BlazePalm-mallin ulostulon.

class ml.postprocessing.mediapipe.BlazePalm(threshold: float = 0.6, anchors: ndarray | None = None, nms_threshold: float = 0.1, nms_sigma: float = 0.1)

Luo BlazePalm-jälkikäsittelijän. Käyttää ankkuriruudukkoa [(24, 2), (12, 6)], jossa pistemääräulostulot ovat [0] ja laatikkoulostulot [1].

threshold Pistemäärän kynnysarvo tunnistuksille.

anchors Valinnainen valmiiksi rakennettu ankkuritaulukko; generoidaan automaattisesti, jos None.

nms_threshold IoU-kynnysarvo non-maximum suppression -käsittelylle.

nms_sigma Sigma soft-NMS:n pistemäärän vaimenemiselle.

Palauttaa kohteesta __call__ luettelon ((x, y, w, h), score, keypoints) -monikoita, joissa keypoints on luettelo (x, y) -pisteitä.

luokka FaceLandmarks – kasvojen maamerkit

Jälkikäsittelee FaceLandmarks-mallin ulostulon.

class ml.postprocessing.mediapipe.FaceLandmarks(threshold: float = 0.6, nms_threshold: float = 0.1, nms_sigma: float = 0.1)

Luo FaceLandmarks-jälkikäsittelijän.

threshold Pistemäärän kynnysarvo (sigmoidin jälkeen) tunnistuksen hyväksymiseksi.

nms_threshold IoU-kynnysarvo non-maximum suppression -käsittelylle.

nms_sigma Sigma soft-NMS:n pistemäärän vaimenemiselle.

Palauttaa kohteesta __call__ luettelon ((x, y, w, h), score, keypoints) -monikoita, joissa keypoints on luettelo (x, y, z) -pisteitä.

luokka HandLandmarks – käden maamerkit

Jälkikäsittelee HandLandmarks-mallin ulostulon.

class ml.postprocessing.mediapipe.HandLandmarks(threshold: float = 0.6, nms_threshold: float = 0.1, nms_sigma: float = 0.1)

Luo HandLandmarks-jälkikäsittelijän.

threshold Pistemäärän kynnysarvo tunnistuksen hyväksymiseksi.

nms_threshold IoU-kynnysarvo non-maximum suppression -käsittelylle.

nms_sigma Sigma soft-NMS:n pistemäärän vaimenemiselle.

Palauttaa kohteesta __call__ muodon [[((x, y, w, h), score, keypoints)]], jossa on yksi sisäluettelo kutakin kätisyysluokkaa kohti (vasen=0, oikea=1). keypoints on luettelo (x, y, z) -pisteitä. Tyhjät luokkaluettelot säilytetään, jotta kunkin luettelon indeksi vastaa luokkaindeksiä.

luokka MoveNet – asennon arviointi

Jälkikäsittelee MoveNet-yksittäisasentomallin ulostulon.

class ml.postprocessing.mediapipe.MoveNet(threshold: float = 0.6, nms_threshold: float = 0.1, nms_sigma: float = 0.1)

Luo MoveNet-jälkikäsittelijän.

threshold Avainpistekohtainen luottamuskynnysarvo; tämän arvon alittavat avainpisteet jätetään pois rajauslaatikosta ja keskimääräisestä pistemäärästä.

nms_threshold IoU-kynnysarvo non-maximum suppression -käsittelylle.

nms_sigma Sigma soft-NMS:n pistemäärän vaimenemiselle.

Palauttaa kohteesta __call__ luettelon ((x, y, w, h), score, keypoints) -monikoita, joissa keypoints on luettelo (x, y, score) -pisteitä syötteen pikselikoordinaateissa.