`ml.postprocessing.darknet` — Darknet¶

O módulo ml.postprocessing.darknet contém pós-processadores para modelos de detecção de objetos baseados em Darknet.

classe YoloV2 – YOLO V2¶

Pós-processador para saídas de modelo 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)¶

Cria um pós-processador YOLO V2.

threshold Limiar de pontuação aplicado antes da supressão não máxima.

anchors numpy.ndarray 2D de formato (N, 2) contendo as dimensões (w, h) das caixas-âncora com as quais o modelo foi treinado. Se None, é usado um conjunto padrão embutido de 5 âncoras.

nms_threshold Limiar passado para a supressão não máxima.

nms_sigma Valor sigma passado para a supressão não máxima.

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

Invocado por ml.Model.predict() para pós-processar as saídas do modelo.

model A instância de ml.Model à qual o pós-processador está vinculado.

inputs Lista de objetos de entrada do modelo (usada para obter a ROI de entrada).

outputs Lista de tensores de saída brutos do modelo.

Retorna uma lista de listas por classe de tuplas ((x, y, w, h), score). Por exemplo, [[((x, y, w, h), score), ...], ...]. Listas de classe vazias são mantidas para que cada índice de lista corresponda ao índice de classe do modelo. Retorna uma tupla vazia () quando nenhuma detecção ultrapassa o limiar de pontuação.

classe YoloLC – YOLO LC¶

Pós-processador para saídas de modelo YOLO LC. Subclasse de YoloV2 que fornece um conjunto de âncoras padrão diferente, ajustado para o modelo 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)¶

Cria um pós-processador YOLO LC.