当前位置: 首页 > news >正文

mmsegmentation·数据结构

PixelData

  • 简单的理解为torch.tensor或者ndarray的一个封装
  • 常用属性为.data,..metainfo
    data属性
gt_segmentations = PixelData(metainfo=img_meta,data=torch.randint(0, 2, (1, 4, 4)))
gt_segmentations.data

metainfo:字典类型

img_meta = dict(img_shape=(4, 4, 3),pad_shape=(4, 4, 3))
tensor([[[1, 1, 1, 0],[0, 0, 1, 1],[0, 1, 1, 1],[0, 1, 0, 0]]])

gt_segmentations.metainfo['img_shape']
(4, 4, 3)
  • 完全支持torch.tensor的常见操作
# 类张量的操作
gt_segmentations = PixelData(metainfo=img_meta)
gt_segmentations.data = torch.randint(0, 2, (1, 4, 4))
cuda_gt_segmentations = gt_segmentations.cuda()
cuda_gt_segmentations = gt_segmentations.to('cuda:0')
cuda_gt_segmentations=cuda_gt_segmentations.detach().cpu().numpy()
print(type(cuda_gt_segmentations.data))
<class 'numpy.ndarray'>

SegDataSample

  • gt_sem_segpred_sem_segmetainfo
  • gt_sem_segpred_sem_seg 貌似只接受PixelData类型的数据
import torch
from mmengine.structures import PixelData
from mmseg.structures import SegDataSampleimg_meta = dict(img_shape=(4, 4, 3),pad_shape=(4, 4, 3))
data_sample = SegDataSample()
http://www.dtcms.com/a/316992.html

相关文章:

  • 《零基础入门AI:传统机器学习进阶(从拟合概念到K-Means算法)》
  • 力扣刷题日常(15-16)
  • 深信服GO面试题及参考答案(下)
  • MCP与Function Calling
  • 三极管基本放大电路静态及动态参数计算
  • 【C++】类和对象2
  • nfs(网络文件系统)+autofs(自动挂载服务)
  • 创维智能融合终端DT741_移动版_S905L3芯片_安卓9_线刷固件包
  • I6328A 蓝牙模块 做 串口透传 操作记录
  • pipeline方法关系抽取--课堂笔记
  • 海信IP810N/海信IP811N_海思MV320-安卓9.0主板-TTL烧录包-可救砖
  • 检索召回率优化探究四:基于LangChain0.3集成Milvu2.5向量数据库构建的智能问答系统
  • 【基础】第八篇 Java 位运算符详解:从基础到实战应用
  • 数据结构:双向链表、循环链表、内核链表
  • 【文本左右对齐】
  • 落霞归雁:从自然之道到“存内计算”——用算法思维在芯片里开一条“数据高速航道”
  • SpringCloud学习-------Feign详解
  • 面试题:前端权限设计
  • 【Spring Cloud】-- 注册中心
  • 广东省省考备考(第六十七天8.5)——资料分析、数量(强化训练)
  • Python 循环语法详解
  • Pandas数据分析完全指南:从入门到实战应用
  • vi编辑器makefile的使用以及双向链表
  • Sklearn 机器学习 数据聚类 层次聚类的两个重要属性
  • c# 在 23:00 - 23:59 之间执行一次的写法
  • 【重要区分】2类模型的时间平均车速与区间平均车速
  • ApacheCon Asia 2025 中国开源年度报告:Apache Doris 国内第一
  • STM32设置GPIO模式
  • P1103《书本整理》精讲
  • CubeMX安装芯片包