ml.postprocessing.edgeimpulse --- Edge Impulse

ml.postprocessing.edgeimpulse 模块包含用于 Edge Impulse 模型的后处理类。

class Fomo -- Fast Objects More Objects

FOMO（Fast Objects More Objects）模型输出的后处理器。

class ml.postprocessing.edgeimpulse.Fomo(threshold: float = 0.4, w_scale: float = 1.414214, h_scale: float = 1.414214, nms_threshold: float = 0.1, nms_sigma: float = 0.001)

创建一个 FOMO 后处理器。

threshold 保留一个检测结果所需的最低分数。

w_scale 在非极大值抑制之前应用于网格单元宽度的水平缩放因子。较大的值会导致相邻单元被合并为单个检测结果。

h_scale 在非极大值抑制之前应用于网格单元高度的垂直缩放因子。较大的值会导致相邻单元被合并为单个检测结果。

nms_threshold 传递给非极大值抑制的 IoU 阈值。

nms_sigma 传递给非极大值抑制（soft-NMS）的 sigma 值。

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

由 ml.Model.predict() 以模型、其输入和原始输出调用。返回一个按类别分组的检测列表的列表。每个检测结果都是一个 ((x, y, w, h), score) 元组。空的类别列表会被包含进来，以使每个列表在输出中的位置与模型输出中的类别索引相匹配。当未检测到任何内容时返回空元组。

class YoloPro -- YOLO Pro

Edge Impulse YOLO Pro 目标检测模型输出的后处理器。YOLO Pro 模型为每个候选框输出一行，其中包含 xmin, ymin, xmax, ymax（已归一化到输入尺寸），其后是逐类别的分数向量。关于如何训练此类模型，请参阅 YOLO Pro 文档。

class ml.postprocessing.edgeimpulse.YoloPro(threshold: float = 0.6, nms_threshold: float = 0.1, nms_sigma: float = 0.1)

创建一个 YOLO Pro 后处理器。

threshold 在非极大值抑制之前保留一个框所需的最低类别分数。

nms_threshold 传递给非极大值抑制的 IoU 阈值。

nms_sigma 传递给非极大值抑制（soft-NMS）的 sigma 值。

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

由 ml.Model.predict() 以模型、其输入和原始输出调用。返回一个按类别分组的检测列表的列表。每个检测结果都是一个 ROI 坐标系下的 ((x, y, w, h), score) 元组。空的类别列表会被包含进来，以使每个列表在输出中的位置与模型输出中的类别索引相匹配。当未检测到任何内容时返回空元组。

示例:

import csi
import ml
from ml.postprocessing.edgeimpulse import YoloPro

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

model = ml.Model("/rom/<model_file_name>", postprocess=YoloPro(threshold=0.4))

while True:
    img = csi0.snapshot()
    for i, detections in enumerate(model.predict([img])):
        for (x, y, w, h), score in detections:
            img.draw_rectangle(x, y, w, h)
            print(model.labels[i], score)