مرجع ل ultralytics/data/dataset.py
ملاحظه
هذا الملف متاح في https://github.com/ultralytics/ultralytics/ نقطة / الرئيسية /ultralytics/البيانات/dataset.py. إذا اكتشفت مشكلة ، فيرجى المساعدة في إصلاحها من خلال المساهمة في طلب 🛠️ سحب. شكرا لك 🙏!
ultralytics.data.dataset.YOLODataset
قواعد: BaseDataset
فئة مجموعة البيانات لتحميل تسميات الكشف عن الكائنات و / أو التجزئة في YOLO تنسيق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
data |
dict
|
قاموس YAML لمجموعة البيانات. الإعدادات الافتراضية إلى لا شيء. |
None
|
task |
str
|
arg صريح للإشارة إلى المهمة الحالية ، الإعدادات الافتراضية ل "الكشف". |
'detect'
|
ارجاع:
نوع | وصف |
---|---|
Dataset
|
A PyTorch كائن مجموعة البيانات التي يمكن استخدامها لتدريب نموذج الكشف عن الكائنات. |
شفرة المصدر في ultralytics/data/dataset.py
45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 |
|
__init__(*args, data=None, task='detect', **kwargs)
تهيئة YOLODataset مع تكوينات اختيارية للمقاطع والنقاط الرئيسية.
شفرة المصدر في ultralytics/data/dataset.py
build_transforms(hyp=None)
يبني ويلحق التحويلات إلى القائمة.
شفرة المصدر في ultralytics/data/dataset.py
cache_labels(path=Path('./labels.cache'))
قم بتخزين تسميات مجموعة البيانات مؤقتا وتحقق من الصور واقرأ الأشكال.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
path |
Path
|
مسار مكان حفظ ملف ذاكرة التخزين المؤقت. الافتراضي هو المسار ('./labels.cache'). |
Path('./labels.cache')
|
ارجاع:
نوع | وصف |
---|---|
dict
|
تسميات. |
شفرة المصدر في ultralytics/data/dataset.py
close_mosaic(hyp)
يضبط خيارات الفسيفساء copy_paste والمزج على 0.0 ويبني التحويلات.
شفرة المصدر في ultralytics/data/dataset.py
collate_fn(batch)
staticmethod
يجمع عينات البيانات على دفعات.
شفرة المصدر في ultralytics/data/dataset.py
get_labels()
إرجاع قاموس التسميات ل YOLO تدريب.
شفرة المصدر في ultralytics/data/dataset.py
update_labels_info(label)
قم بتخصيص تنسيق التسمية الخاص بك هنا.
ملاحظه
CLS ليس مع bboxes الآن ، يحتاج التصنيف والتجزئة الدلالية إلى تسمية CLS مستقلة يمكن أيضا دعم التصنيف والتجزئة الدلالية عن طريق إضافة أو إزالة مفاتيح dict هناك.
شفرة المصدر في ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOMultiModalDataset
قواعد: YOLODataset
فئة مجموعة البيانات لتحميل تسميات الكشف عن الكائنات و / أو التجزئة في YOLO تنسيق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
data |
dict
|
قاموس YAML لمجموعة البيانات. الإعدادات الافتراضية إلى لا شيء. |
None
|
task |
str
|
arg صريح للإشارة إلى المهمة الحالية ، الإعدادات الافتراضية ل "الكشف". |
'detect'
|
ارجاع:
نوع | وصف |
---|---|
Dataset
|
A PyTorch كائن مجموعة البيانات التي يمكن استخدامها لتدريب نموذج الكشف عن الكائنات. |
شفرة المصدر في ultralytics/data/dataset.py
__init__(*args, data=None, task='detect', **kwargs)
تهيئة كائن مجموعة بيانات لمهام الكشف عن الكائنات بمواصفات اختيارية.
build_transforms(hyp=None)
يحسن تحويلات البيانات من خلال زيادة النص الاختيارية للتدريب متعدد الوسائط.
شفرة المصدر في ultralytics/data/dataset.py
update_labels_info(label)
إضافة معلومات نصية للتدريب على النموذج متعدد الوسائط.
شفرة المصدر في ultralytics/data/dataset.py
ultralytics.data.dataset.GroundingDataset
قواعد: YOLODataset
شفرة المصدر في ultralytics/data/dataset.py
__init__(*args, task='detect', json_file, **kwargs)
تهيئة مجموعة GroundingDataset للكشف عن الكائنات، وتحميل التعليقات التوضيحية من ملف JSON محدد.
شفرة المصدر في ultralytics/data/dataset.py
build_transforms(hyp=None)
تكوين التعزيزات للتدريب مع تحميل النص الاختياري ؛ hyp
يضبط شدة الزيادة.
شفرة المصدر في ultralytics/data/dataset.py
get_img_files(img_path)
get_labels()
تحميل التعليقات التوضيحية من ملف JSON، وتصفية المربعات المحيطة لكل صورة وتطبيعها.
شفرة المصدر في ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOConcatDataset
قواعد: ConcatDataset
مجموعة البيانات كسلسلة من مجموعات بيانات متعددة.
هذه الفئة مفيدة لتجميع مجموعات البيانات المختلفة الموجودة.
شفرة المصدر في ultralytics/data/dataset.py
ultralytics.data.dataset.SemanticDataset
قواعد: BaseDataset
مجموعة بيانات التجزئة الدلالية.
هذه الفئة مسؤولة عن معالجة مجموعات البيانات المستخدمة لمهام التجزئة الدلالية. يرث الوظائف من فئة مجموعة البيانات الأساسية.
ملاحظه
هذه الفئة حاليا عنصر نائب وتحتاج إلى ملئها بأساليب وسمات للدعم مهام التجزئة الدلالية.
شفرة المصدر في ultralytics/data/dataset.py
ultralytics.data.dataset.ClassificationDataset
يوسع مجلد صورة الشعلة لدعم YOLO مهام التصنيف ، وتقديم وظائف مثل الصورة التعزيز والتخزين المؤقت والتحقق. إنه مصمم للتعامل بكفاءة مع مجموعات البيانات الكبيرة للتدريب العميق نماذج التعلم ، مع تحويلات الصور الاختيارية وآليات التخزين المؤقت لتسريع التدريب.
يسمح هذا الفصل بالتعزيزات باستخدام كل من مكتبات torchvision و Albumentations ، ويدعم التخزين المؤقت للصور في ذاكرة الوصول العشوائي أو على القرص لتقليل الحمل IO أثناء التدريب. بالإضافة إلى ذلك ، فإنه ينفذ عملية تحقق قوية لضمان سلامة البيانات واتساقها.
سمات:
اسم | نوع | وصف |
---|---|---|
cache_ram |
bool
|
يشير إلى ما إذا كان التخزين المؤقت في ذاكرة الوصول العشوائي ممكنا. |
cache_disk |
bool
|
يشير إلى ما إذا كان التخزين المؤقت على القرص ممكنا. |
samples |
list
|
قائمة بالمجموعات ، يحتوي كل منها على المسار إلى صورة ، وفهرس الفئة الخاص بها ، والمسار إلى ذاكرة التخزين المؤقت .npy الخاصة بها (في حالة التخزين المؤقت على القرص) ، واختياريا صفيف الصور المحملة (في حالة التخزين المؤقت في ذاكرة الوصول العشوائي). |
torch_transforms |
callable
|
PyTorch التحويلات ليتم تطبيقها على الصور. |
شفرة المصدر في ultralytics/data/dataset.py
384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 |
|
__getitem__(i)
إرجاع مجموعة فرعية من البيانات والأهداف المقابلة لمؤشرات معينة.
شفرة المصدر في ultralytics/data/dataset.py
__init__(root, args, augment=False, prefix='')
تهيئه YOLO كائن مع الجذر وحجم الصورة والتعزيزات وإعدادات ذاكرة التخزين المؤقت.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
root |
str
|
المسار إلى دليل مجموعة البيانات حيث يتم تخزين الصور في بنية مجلد خاصة بالفئة. |
مطلوب |
args |
Namespace
|
التكوين الذي يحتوي على الإعدادات المتعلقة بمجموعة البيانات مثل حجم الصورة وزيادة
المعلمات ، وإعدادات ذاكرة التخزين المؤقت. يتضمن سمات مثل |
مطلوب |
augment |
bool
|
ما إذا كان سيتم تطبيق التعزيزات على مجموعة البيانات. الافتراضي هو خطأ. |
False
|
prefix |
str
|
بادئة لتسجيل أسماء ملفات التخزين المؤقت والتخزين المؤقت ، مما يساعد في تحديد مجموعة البيانات و تصحيح. الافتراضي هو سلسلة فارغة. |
''
|
شفرة المصدر في ultralytics/data/dataset.py
__len__()
verify_images()
تحقق من جميع الصور في مجموعة البيانات.