`ml.postprocessing.darknet` — Darknet¶

Modulen ml.postprocessing.darknet innehåller efterbehandlare för Darknet-baserade objektdetekteringsmodeller.

class YoloV2 – YOLO V2¶

Efterbehandlare för utdata från YOLO V2-modeller.

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

Skapa en YOLO V2-efterbehandlare.

threshold Poängtröskelvärde som tillämpas före icke-maximumsupprimering.

anchors 2D numpy.ndarray med formen (N, 2) som innehåller ankarrutornas dimensioner (w, h) som modellen tränades på. Om None används en inbyggd standarduppsättning med 5 ankare.

nms_threshold Tröskelvärde som skickas till icke-maximumsupprimering.

nms_sigma Sigma-värde som skickas till icke-maximumsupprimering.

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

Anropas av ml.Model.predict() för att efterbehandla modellens utdata.

model Den ml.Model-instans som efterbehandlaren är kopplad till.

inputs Lista med modellens indataobjekt (används för att hämta indata-ROI:n).

outputs Lista med modellens råa utdatatensorer.

Returnerar en lista med listor per klass av ((x, y, w, h), score)-tupler. T.ex. [[((x, y, w, h), score), ...], ...]. Tomma klasslistor behålls så att varje listindex matchar modellens klassindex. Returnerar en tom tupel () när ingen detektering klarar poängtröskelvärdet.

class YoloLC – YOLO LC¶

Efterbehandlare för utdata från YOLO LC-modeller. Underklass till YoloV2 som tillhandahåller en annan standarduppsättning ankare anpassad för YOLO LC-modellen.

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

Skapa en YOLO LC-efterbehandlare.