property:
  # 官方文档中的配置=============================
  gpu-id: 0
  infer-dims: 3;544;960
  net-scale-factor: 0.00392156862745098
  tlt-model-key: tlt_encode
  # 模型网络类型 0: Detector 1: Classifier 2: Segmentation 3: Instance Segmentation
  network-type: 0
  num-detected-classes: 4
  # 模型颜色格式 0：RGB 1：BGR 2：灰度
  model-color-format: 0
  # 保持宽高比 0：不保持 1：保持
  maintain-aspect-ratio: 0
  # 是否输出张量元数据 0：否 1：是
  output-tensor-meta: 0

  # 文件路径配置=============================
  onnx-file: ../models/traffic_cam_net/resnet18_trafficcamnet_pruned.onnx
  labelfile-path: ../models/traffic_cam_net/labels.txt
  model-engine-file: ../models/traffic_cam_net/resnet18_trafficcamnet_pruned.onnx_b4_gpu0_fp16.engine

  gie-unique-id: 1
  batch-size: 4
  # 推理模式配置 1：整帧 2：上游ROI  （1：主推理 2：次推理（基于主推理））
  process-mode: 1
  ## 0=FP32, 1=INT8, 2=FP16 mode
  network-mode: 2
  # 推理间隔 0：每帧 1：每1帧 2：每2帧
  interval: 0
  output-blob-names: output_cov/Sigmoid:0;output_bbox/BiasAdd:0
  # 集群模式 0: OpenCV groupRectangles() 1: DBSCAN 2: Non Maximum Suppression 3: DBSCAN + NMS Hybrid 4: No clustering
  cluster-mode: 2
  # 计算硬件 0: Platform default – GPU (dGPU), VIC (Jetson) 1: GPU 2: VIC (Jetson only)
  scaling-compute-hw: 0

# 设置具体类别NMS等参数
class-attrs-all:
  # 保留的最多对象数 
  topk: 20
  # 两个方案之间的最大 IOU 分数，超过该分数后，置信度较低的方案将被拒绝。
  nms-iou-threshold: 0.5
  # 预聚类阈值，范围为0到1。较高的值会导致更多的边界框被聚类在一起。
  pre-cluster-threshold: 0.2

## Per class configurations
class-attrs-0:
  topk: 20
  nms-iou-threshold: 0.6
  pre-cluster-threshold: 0.4