`ml.postprocessing.darknet` — Darknet#

Модуль ml.postprocessing.darknet містить постпроцесори для моделей виявлення об’єктів на основі Darknet.

class YoloV2 – YOLO V2#

Постпроцесор для вихідних даних моделі 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)#

Створює постпроцесор YOLO V2.

threshold Поріг оцінки, що застосовується до немаксимального придушення.

anchors Двовимірний numpy.ndarray форми (N, 2), що містить розміри опорних прямокутників (w, h), на яких навчалась модель. Якщо None, використовується вбудований набір з 5 опорних прямокутників за замовчуванням.

nms_threshold Поріг, що передається до немаксимального придушення.

nms_sigma Значення сигма, що передається до немаксимального придушення.

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

Викликається ml.Model.predict() для постобробки вихідних даних моделі.

model Екземпляр ml.Model, до якого прикріплений постпроцесор.

inputs Список вхідних об’єктів моделі (використовується для отримання вхідної ROI).

outputs Список необроблених вихідних тензорів моделі.

Повертає список посписних списків кортежів ((x, y, w, h), score). Наприклад, [[((x, y, w, h), score), ...], ...]. Порожні списки класів зберігаються, тому індекс кожного списку відповідає індексу класу моделі. Повертає порожній кортеж () якщо жодне виявлення не перевищує поріг оцінки.

class YoloLC – YOLO LC#

Постпроцесор для вихідних даних моделі YOLO LC. Підклас YoloV2, що надає інший набір опорних прямокутників за замовчуванням, налаштований для моделі 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)#

Створює постпроцесор YOLO LC.