مرجع ل ultralytics/data/augment.py
ملاحظه
هذا الملف متاح في https://github.com/ultralytics/ultralytics/ نقطة / الرئيسية /ultralytics/البيانات/augment.py. إذا اكتشفت مشكلة ، فيرجى المساعدة في إصلاحها من خلال المساهمة في طلب 🛠️ سحب. شكرا لك 🙏!
ultralytics.data.augment.BaseTransform
الفئة الأساسية لتحويلات الصورة.
هذه فئة تحويل عامة يمكن توسيعها لاحتياجات معالجة الصور المحددة. تم تصميم الفصل ليكون متوافقا مع كل من مهام التصنيف والتجزئة الدلالية.
أساليب:
اسم | وصف |
---|---|
__init__ |
تهيئة كائن تحويل الأساس. |
apply_image |
يطبق تحويل الصورة على التسميات. |
apply_instances |
يطبق التحويلات على تواجدات الكائن في التسميات. |
apply_semantic |
يطبق التجزئة الدلالية على صورة. |
__call__ |
يطبق كل تحويلات التسمية على صورة، تواجدات، وأقنعة دلالية. |
شفرة المصدر في ultralytics/data/augment.py
__call__(labels)
يطبق كل تحويلات التسمية على صورة، تواجدات، وأقنعة دلالية.
__init__()
apply_image(labels)
apply_instances(labels)
ultralytics.data.augment.Compose
فئة لتكوين تحويلات صور متعددة.
شفرة المصدر في ultralytics/data/augment.py
__call__(data)
__getitem__(index)
استرداد تحويل معين أو مجموعة من التحويلات باستخدام الفهرسة.
شفرة المصدر في ultralytics/data/augment.py
__init__(transforms)
__repr__()
__setitem__(index, value)
استرداد تحويل معين أو مجموعة من التحويلات باستخدام الفهرسة.
شفرة المصدر في ultralytics/data/augment.py
append(transform)
insert(index, transform)
ultralytics.data.augment.BaseMixTransform
فئة لتحويلات المزيج الأساسي (MixUp / Mosaic).
هذا التنفيذ من mmyolo.
شفرة المصدر في ultralytics/data/augment.py
__call__(labels)
يطبق تحويلات المعالجة المسبقة وتحويلات الخلط/الفسيفساء على بيانات التسميات.
شفرة المصدر في ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
تهيئة كائن BaseMixTransform مع مجموعة البيانات، pre_transform، والاحتمالات.
ultralytics.data.augment.Mosaic
قواعد: BaseMixTransform
زيادة الفسيفساء.
تقوم هذه الفئة بتكبير الفسيفساء من خلال دمج صور متعددة (4 أو 9) في صورة فسيفساء واحدة. يتم تطبيق الزيادة على مجموعة بيانات ذات احتمال معين.
سمات:
اسم | نوع | وصف |
---|---|---|
dataset |
مجموعة البيانات التي يتم تطبيق زيادة الفسيفساء عليها. |
|
imgsz |
int
|
حجم الصورة (الارتفاع والعرض) بعد خط أنابيب الفسيفساء لصورة واحدة. الافتراضي إلى 640. |
p |
float
|
احتمال تطبيق زيادة الفسيفساء. يجب أن يكون في النطاق 0-1. الافتراضي إلى 1.0. |
n |
int
|
حجم الشبكة ، إما 4 (ل 2x2) أو 9 (ل 3x3). |
شفرة المصدر في ultralytics/data/augment.py
177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 |
|
__init__(dataset, imgsz=640, p=1.0, n=4)
تهيئة الكائن بمجموعة بيانات، حجم الصورة، الاحتمال، والحدود.
شفرة المصدر في ultralytics/data/augment.py
get_indexes(buffer=True)
إرجاع قائمة بالفهارس العشوائية من مجموعة البيانات.
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.MixUp
قواعد: BaseMixTransform
فئة لتطبيق زيادة MixUp على مجموعة البيانات.
شفرة المصدر في ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
تهيئة كائن MixUp مع مجموعة البيانات pre_transform واحتمال تطبيق MixUp.
ultralytics.data.augment.RandomPerspective
ينفذ منظور عشوائي وتحويلات affine على الصور والمربعات المحيطة المقابلة والمقاطع و النقاط الرئيسية. تتضمن هذه التحويلات الدوران والترجمة والقياس والقص. يقدم الفصل أيضا خيار لتطبيق هذه التحويلات بشكل مشروط مع احتمال محدد.
سمات:
اسم | نوع | وصف |
---|---|---|
degrees |
float
|
نطاق درجة للتناوب العشوائي. |
translate |
float
|
جزء من إجمالي العرض والارتفاع للترجمة العشوائية. |
scale |
float
|
يسمح الفاصل الزمني لعامل القياس ، على سبيل المثال ، عامل المقياس 0.1 بتغيير الحجم بين 90٪ -110٪. |
shear |
float
|
شدة القص (الزاوية بالدرجات). |
perspective |
float
|
عامل تشويه المنظور. |
border |
tuple
|
Tuple تحديد حدود الفسيفساء. |
pre_transform |
callable
|
وظيفة / تحويل لتطبيقها على الصورة قبل بدء التحويل العشوائي. |
أساليب:
اسم | وصف |
---|---|
affine_transform |
يطبق سلسلة من تحويلات الأفين على الصورة. |
apply_bboxes |
يحول المربعات المحيطة باستخدام مصفوفة affine المحسوبة. |
apply_segments |
يحول المقاطع ويولد مربعات محيطة جديدة. |
apply_keypoints |
يحول النقاط الرئيسية. |
__call__ |
الطريقة الرئيسية لتطبيق التحويلات على كل من الصور والتعليقات التوضيحية المقابلة لها. |
box_candidates |
يقوم بتصفية المربعات المحيطة التي لا تفي بمعايير معينة بعد التحويل. |
شفرة المصدر في ultralytics/data/augment.py
391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 |
|
__call__(labels)
صور وأهداف الأفين.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
labels |
dict
|
حكم من |
مطلوب |
شفرة المصدر في ultralytics/data/augment.py
__init__(degrees=0.0, translate=0.1, scale=0.5, shear=0.0, perspective=0.0, border=(0, 0), pre_transform=None)
تهيئة كائن RandomPerspective مع معلمات التحويل.
شفرة المصدر في ultralytics/data/augment.py
affine_transform(img, border)
يطبق تسلسل من تحويلات الأفين المتمركزة حول مركز الصورة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
img |
ndarray
|
صورة الإدخال. |
مطلوب |
border |
tuple
|
أبعاد الحدود. |
مطلوب |
ارجاع:
اسم | نوع | وصف |
---|---|---|
img |
ndarray
|
صورة محولة. |
M |
ndarray
|
مصفوفة التحول. |
s |
float
|
عامل المقياس. |
شفرة المصدر في ultralytics/data/augment.py
apply_bboxes(bboxes, M)
ضع الأفين على علب الخبز فقط.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
bboxes |
ndarray
|
قائمة bboxes ، تنسيق xyxy ، مع الشكل (num_bboxes ، 4). |
مطلوب |
M |
ndarray
|
مصفوفة الأفين. |
مطلوب |
ارجاع:
اسم | نوع | وصف |
---|---|---|
new_bboxes |
ndarray
|
بمربعات بعد أفين ، [num_bboxes ، 4]. |
شفرة المصدر في ultralytics/data/augment.py
apply_keypoints(keypoints, M)
ضع affine على النقاط الرئيسية.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
keypoints |
ndarray
|
النقاط الرئيسية ، [N ، 17 ، 3]. |
مطلوب |
M |
ndarray
|
مصفوفة الأفين. |
مطلوب |
ارجاع:
اسم | نوع | وصف |
---|---|---|
new_keypoints |
ndarray
|
النقاط الرئيسية بعد affine ، [N ، 17 ، 3]. |
شفرة المصدر في ultralytics/data/augment.py
apply_segments(segments, M)
قم بتطبيق affine على الشرائح وقم بإنشاء bboxes جديدة من الشرائح.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
segments |
ndarray
|
قائمة الأجزاء ، [num_samples ، 500 ، 2]. |
مطلوب |
M |
ndarray
|
مصفوفة الأفين. |
مطلوب |
ارجاع:
اسم | نوع | وصف |
---|---|---|
new_segments |
ndarray
|
قائمة الأجزاء بعد affine ، [num_samples ، 500 ، 2]. |
new_bboxes |
ndarray
|
بمربعات بعد أفين ، [N ، 4]. |
شفرة المصدر في ultralytics/data/augment.py
box_candidates(box1, box2, wh_thr=2, ar_thr=100, area_thr=0.1, eps=1e-16)
حساب المرشحين مربع على أساس مجموعة من العتبات. تقارن هذه الطريقة خصائص الصناديق قبل وبعد الزيادة لتحديد ما إذا كان الصندوق مرشحا لمزيد من المعالجة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
box1 |
ndarray
|
المربع المحيط 4 ، n قبل الزيادة ، ويمثل ك [x1 ، y1 ، x2 ، y2]. |
مطلوب |
box2 |
ndarray
|
المربع المحيط 4 ، n بعد الزيادة ، يتم تمثيله ك [x1 ، y1 ، x2 ، y2]. |
مطلوب |
wh_thr |
float
|
عتبة العرض والارتفاع بالبكسل. الافتراضي هو 2. |
2
|
ar_thr |
float
|
عتبة نسبة العرض إلى الارتفاع. الافتراضي هو 100. |
100
|
area_thr |
float
|
عتبة نسبة المساحة. الافتراضي هو 0.1. |
0.1
|
eps |
float
|
قيمة إبسيلون صغيرة لمنع القسمة على صفر. الافتراضي هو 1e-16. |
1e-16
|
ارجاع:
نوع | وصف |
---|---|
ndarray
|
مصفوفة منطقية تشير إلى المربعات المرشحة بناء على الحدود المحددة. |
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.RandomHSV
هذه الفئة مسؤولة عن إجراء تعديلات عشوائية على قنوات الصبغة والتشبع والقيمة (HSV) ل صورة.
التعديلات عشوائية ولكن ضمن الحدود التي وضعتها hgain و sgain و vgain.
شفرة المصدر في ultralytics/data/augment.py
__call__(labels)
يطبق زيادة HSV عشوائية على صورة ضمن الحدود المحددة مسبقا.
تحل الصورة المعدلة محل الصورة الأصلية في إملاء "التسميات" المدخل.
شفرة المصدر في ultralytics/data/augment.py
__init__(hgain=0.5, sgain=0.5, vgain=0.5)
تهيئة فئة RandomHSV مع مكاسب لكل قناة HSV.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
hgain |
float
|
أقصى تباين للهوى. الافتراضي هو 0.5. |
0.5
|
sgain |
float
|
أقصى تباين للتشبع. الافتراضي هو 0.5. |
0.5
|
vgain |
float
|
الحد الأقصى للاختلاف في القيمة. الافتراضي هو 0.5. |
0.5
|
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.RandomFlip
يطبق انعكاسا أفقيا أو رأسيا عشوائيا على صورة ذات احتمال معين.
يقوم أيضا بتحديث أي مثيلات (المربعات المحيطة والنقاط الرئيسية وما إلى ذلك) وفقا لذلك.
شفرة المصدر في ultralytics/data/augment.py
__call__(labels)
يطبق انعكاسا عشوائيا على صورة ويقوم بتحديث أي مثيلات مثل المربعات المحيطة أو النقاط الرئيسية وفقا لذلك.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
labels |
dict
|
قاموس يحتوي على المفاتيح "img" و "مثيلات". "IMG" هي الصورة التي يجب قلبها. "المثيلات" هي كائن يحتوي على مربعات محيطة ونقاط رئيسية اختيارية. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
dict
|
نفس الإملاء مع الصورة المعكوسة والمثيلات المحدثة ضمن مفتاحي "img" و "instances". |
شفرة المصدر في ultralytics/data/augment.py
__init__(p=0.5, direction='horizontal', flip_idx=None)
تهيئة فئة RandomFlip مع الاحتمال والاتجاه.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
p |
float
|
احتمال تطبيق الوجه. يجب أن يكون بين 0 و 1. الافتراضي هو 0.5. |
0.5
|
direction |
str
|
الاتجاه لتطبيق الوجه. يجب أن تكون "أفقية" أو "عمودية". الافتراضي هو "أفقي". |
'horizontal'
|
flip_idx |
array - like
|
تعيين الفهرس لقلب النقاط الرئيسية ، إن وجدت. |
None
|
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.LetterBox
تغيير حجم الصورة والحشو للكشف ، تجزئة المثيل ، تشكل.
شفرة المصدر في ultralytics/data/augment.py
__call__(labels=None, image=None)
إرجاع التسميات والصور المحدثة مع الحدود المضافة.
شفرة المصدر في ultralytics/data/augment.py
__init__(new_shape=(640, 640), auto=False, scaleFill=False, scaleup=True, center=True, stride=32)
تهيئة كائن LetterBox مع معلمات محددة.
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.CopyPaste
ينفذ زيادة النسخ واللصق كما هو موضح في https://arxiv.org/abs/2012.07177 الورق. هذه الفئة هي مسؤول عن تطبيق زيادة النسخ واللصق على الصور والمثيلات المقابلة لها.
شفرة المصدر في ultralytics/data/augment.py
__call__(labels)
يطبق زيادة النسخ واللصق على الصورة والمثيلات المحددة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
labels |
dict
|
قاموس يحتوي على: - "img": الصورة المراد زيادتها. - 'cls': تسميات الفئة المرتبطة بالمثيلات. - 'مثيلات': كائن يحتوي على مربعات محيطة ، واختياريا ، النقاط الرئيسية والشرائح. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
dict
|
Dict مع صورة معززة ومثيلات محدثة ضمن مفاتيح "img" و "cls" و "مثيلات". |
تلاحظ
- من المتوقع أن تحتوي المثيلات على "شرائح" كإحدى سماتها حتى تعمل هذه الزيادة.
- تقوم هذه الطريقة بتعديل "تسميات" قاموس الإدخال في مكانها.
شفرة المصدر في ultralytics/data/augment.py
__init__(p=0.5)
تهيئة الفئة CopyPaste مع احتمال معين.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
p |
float
|
احتمال تطبيق زيادة النسخ واللصق. يجب أن يكون بين 0 و 1. الافتراضي هو 0.5. |
0.5
|
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.Albumentations
تحولات الألبومات.
اختياري ، قم بإلغاء تثبيت الحزمة لتعطيلها. يطبق التمويه، التمويه المتوسط، التحويل إلى درجات الرمادي، التباين محدود التكيف معادلة الرسم البياني ، التغيير العشوائي للسطوع والتباين ، RandomGamma وخفض جودة الصورة بواسطة ضغط.
شفرة المصدر في ultralytics/data/augment.py
__call__(labels)
يولد اكتشافات الكائنات ويعيد قاموسا بنتائج الكشف.
شفرة المصدر في ultralytics/data/augment.py
__init__(p=1.0)
تهيئة كائن التحويل ل YOLO معلمات تنسيق bbox.
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.Format
تنسيق التعليقات التوضيحية للصور للكشف عن الكائن، وتجزئة المثيل، ومهام تقدير المكون. الفصل
يوحد الصورة والتعليقات التوضيحية للمثيل التي سيستخدمها collate_fn
في PyTorch داتا لودر.
سمات:
اسم | نوع | وصف |
---|---|---|
bbox_format |
str
|
تنسيق للمربعات المحيطة. الافتراضي هو "xywh". |
normalize |
bool
|
سواء لتطبيع المربعات المحيطة. الافتراضي هو صواب. |
return_mask |
bool
|
إرجاع أقنعة المثيل للتجزئة. الافتراضي هو خطأ. |
return_keypoint |
bool
|
إرجاع النقاط الرئيسية لتقدير الوضعية. الافتراضي هو خطأ. |
mask_ratio |
int
|
نسبة العينة المختزلة للأقنعة. الافتراضي هو 4. |
mask_overlap |
bool
|
سواء لتداخل الأقنعة. الافتراضي هو صواب. |
batch_idx |
bool
|
احتفظ بفهارس الدفعات. الافتراضي هو صواب. |
bgr |
float
|
احتمال إرجاع صور BGR. الافتراضي هو 0.0. |
شفرة المصدر في ultralytics/data/augment.py
919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 |
|
__call__(labels)
إرجاع الصورة المنسقة والفئات والمربعات المحيطة والنقاط الرئيسية لاستخدامها بواسطة "collate_fn".
شفرة المصدر في ultralytics/data/augment.py
__init__(bbox_format='xywh', normalize=True, return_mask=False, return_keypoint=False, return_obb=False, mask_ratio=4, mask_overlap=True, batch_idx=True, bgr=0.0)
تهيئة فئة التنسيق بمعلمات معينة.
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.RandomLoadText
أخذ عينات عشوائية من النصوص الإيجابية والنصوص السلبية وتحديث مؤشرات الفئات وفقا لعدد العينات.
سمات:
اسم | نوع | وصف |
---|---|---|
prompt_format |
str
|
تنسيق للمطالبة. الافتراضي هو '{}'. |
neg_samples |
tuple[int]
|
حارس لأخذ عينات عشوائية من النصوص السلبية ، الافتراضي هو (80 ، 80). |
max_samples |
int
|
الحد الأقصى لعدد عينات النص المختلفة في صورة واحدة ، الافتراضي هو 80. |
padding |
bool
|
ما إذا كنت تريد وضع النصوص على max_samples. الافتراضي هو خطأ. |
padding_value |
str
|
نص الحشو. الافتراضي هو "". |
شفرة المصدر في ultralytics/data/augment.py
1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 |
|
__call__(labels)
إرجاع الفصول والنصوص المحدثة.
شفرة المصدر في ultralytics/data/augment.py
__init__(prompt_format='{}', neg_samples=(80, 80), max_samples=80, padding=False, padding_value='')
تهيئة فئة راندوم لودتكست مع معلمات معينة.
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.ClassifyLetterBox
YOLOv8 فئة LetterBox للمعالجة المسبقة للصور ، المصممة لتكون جزءا من خط أنابيب التحويل ، على سبيل المثال ، T.Compose ([LetterBox (الحجم) ، ToTensor ()]).
سمات:
اسم | نوع | وصف |
---|---|---|
h |
int
|
الارتفاع المستهدف للصورة. |
w |
int
|
العرض المستهدف للصورة. |
auto |
bool
|
إذا كان صحيحا ، حله تلقائيا للجانب القصير باستخدام خطوة. |
stride |
int
|
قيمة الخطوة ، المستخدمة عندما تكون "تلقائي" هي True. |
شفرة المصدر في ultralytics/data/augment.py
__call__(im)
يغير حجم الصورة ويرسمها بطريقة صندوق الرسائل.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
ndarray
|
صورة الإدخال كصفيف numpy من شكل HWC. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
ndarray
|
الصورة التي تم وضعها في صندوق الحروف وتغيير حجمها كصفيف رقمي. |
شفرة المصدر في ultralytics/data/augment.py
__init__(size=(640, 640), auto=False, stride=32)
تهيئة الفئة ClassifyLetterBox بحجم الهدف ووضع علامة تلقائية وخطوة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
size |
Union[int, Tuple[int, int]]
|
الأبعاد المستهدفة (الارتفاع والعرض) لصندوق الرسائل. |
(640, 640)
|
auto |
bool
|
إذا كان True ، يحسب تلقائيا الجانب القصير بناء على الخطوة. |
False
|
stride |
int
|
قيمة الخطوة ، المستخدمة عندما تكون "تلقائي" هي True. |
32
|
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.CenterCrop
YOLOv8 فئة CenterCrop للمعالجة المسبقة للصور ، مصممة لتكون جزءا من خط أنابيب التحويل ، على سبيل المثال ، T.Compose ([CenterCrop (الحجم) ، ToTensor ()]).
شفرة المصدر في ultralytics/data/augment.py
__call__(im)
تغيير حجم واقتصاص مركز الصورة باستخدام طريقة صندوق الرسائل.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
ndarray
|
صورة الإدخال كصفيف numpy من شكل HWC. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
ndarray
|
الصورة التي تم اقتصاصها في المنتصف وتغيير حجمها كصفيف رقمي. |
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.ToTensor
YOLOv8 فئة ToTensor للمعالجة المسبقة للصور ، أي T.Compose ([LetterBox (الحجم) ، ToTensor ()]).
شفرة المصدر في ultralytics/data/augment.py
__call__(im)
تحويل صورة من صفيف رقمي إلى ملف PyTorch tensor، وتطبيق نصف الدقة والتطبيع الاختياري.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
ndarray
|
صورة الإدخال كصفيف numpy مع الشكل (H ، W ، C) بترتيب BGR. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
Tensor
|
الصورة المحولة كملف PyTorch tensor في float32 أو float16 ، تمت تسويتها إلى [0 ، 1]. |
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.v8_transforms(dataset, imgsz, hyp, stretch=False)
تحويل الصور إلى حجم مناسب ل YOLOv8 تدريب.
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.classify_transforms(size=224, mean=DEFAULT_MEAN, std=DEFAULT_STD, interpolation=Image.BILINEAR, crop_fraction=DEFAULT_CROP_FRACTION)
يتحول التصنيف للتقييم / الاستدلال. مستوحى من timm / data / transforms_factory.py.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
size |
int
|
حجم الصورة |
224
|
mean |
tuple
|
متوسط قيم قنوات RGB |
DEFAULT_MEAN
|
std |
tuple
|
قيم الأمراض المنقولة جنسيا لقنوات RGB |
DEFAULT_STD
|
interpolation |
InterpolationMode
|
وضع الاستيفاء. الافتراضي هو T.InterpolationMode.BILINEAR. |
BILINEAR
|
crop_fraction |
float
|
جزء من الصورة المراد اقتصاصها. الافتراضي هو 1.0. |
DEFAULT_CROP_FRACTION
|
ارجاع:
نوع | وصف |
---|---|
Compose
|
تحويلات Torchvision |
شفرة المصدر في ultralytics/data/augment.py
ultralytics.data.augment.classify_augmentations(size=224, mean=DEFAULT_MEAN, std=DEFAULT_STD, scale=None, ratio=None, hflip=0.5, vflip=0.0, auto_augment=None, hsv_h=0.015, hsv_s=0.4, hsv_v=0.4, force_color_jitter=False, erasing=0.0, interpolation=Image.BILINEAR)
يتحول التصنيف مع زيادة التدريب. مستوحى من timm / data / transforms_factory.py.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
size |
int
|
حجم الصورة |
224
|
scale |
tuple
|
نطاق مقياس الصورة. الافتراضي هو (0.08 ، 1.0) |
None
|
ratio |
tuple
|
نطاق نسبة العرض إلى الارتفاع للصورة. الافتراضي هو (3./4.، 4./3.) |
None
|
mean |
tuple
|
متوسط قيم قنوات RGB |
DEFAULT_MEAN
|
std |
tuple
|
قيم الأمراض المنقولة جنسيا لقنوات RGB |
DEFAULT_STD
|
hflip |
float
|
احتمال الوجه الأفقي |
0.5
|
vflip |
float
|
احتمال الوجه الرأسي |
0.0
|
auto_augment |
str
|
سياسة التعزيز التلقائي. يمكن أن يكون "randaugment" أو "augmix" أو "autoaugment" أو لا شيء. |
None
|
hsv_h |
float
|
صورة HSV-Hue زيادة (الكسر) |
0.015
|
hsv_s |
float
|
صورة HSV- زيادة التشبع (الكسر) |
0.4
|
hsv_v |
float
|
صورة HSV- زيادة القيمة (كسر) |
0.4
|
force_color_jitter |
bool
|
فرض تطبيق ارتعاش اللون حتى في حالة تمكين التعزيز التلقائي |
False
|
erasing |
float
|
احتمال المسح العشوائي |
0.0
|
interpolation |
InterpolationMode
|
وضع الاستيفاء. الافتراضي هو T.InterpolationMode.BILINEAR. |
BILINEAR
|
ارجاع:
نوع | وصف |
---|---|
Compose
|
تحويلات Torchvision |
شفرة المصدر في ultralytics/data/augment.py
1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 |
|