`ml.postprocessing.darknet` — Darknet¶

Moduł ml.postprocessing.darknet zawiera post-procesory dla modeli wykrywania obiektów opartych na Darknet.

klasa YoloV2 – YOLO V2¶

Post-procesor dla wyjść 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)¶

Tworzy post-procesor YOLO V2.

threshold Próg wyniku stosowany przed tłumieniem niemaksymalnym (non-maximum suppression).

anchors Dwuwymiarowy numpy.ndarray o kształcie (N, 2) zawierający wymiary (w, h) ramek kotwiczących (anchor box), na których model był trenowany. Jeśli None, używany jest wbudowany domyślny zestaw 5 kotwic.

nms_threshold Próg przekazywany do tłumienia niemaksymalnego (non-maximum suppression).

nms_sigma Wartość sigma przekazywana do tłumienia niemaksymalnego (non-maximum suppression).

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

Wywoływany przez ml.Model.predict() w celu przetworzenia końcowego wyjść modelu.

model Instancja ml.Model, do której dołączony jest post-procesor.

inputs Lista obiektów wejściowych modelu (używana do uzyskania wejściowego ROI).

outputs Lista surowych tensorów wyjściowych modelu.

Zwraca listę list krotek ((x, y, w, h), score) dla poszczególnych klas. Np. [[((x, y, w, h), score), ...], ...]. Puste listy klas są zachowywane, aby indeks każdej listy odpowiadał indeksowi klasy modelu. Zwraca pustą krotkę (), gdy żadne wykrycie nie przekroczy progu wyniku.

klasa YoloLC – YOLO LC¶

Post-procesor dla wyjść modelu YOLO LC. Podklasa YoloV2, która zapewnia inny domyślny zestaw kotwic dostosowany do modelu 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)¶

Tworzy post-procesor YOLO LC.