مرجع ل ultralytics/models/sam/predict.py
ملاحظه
هذا الملف متاح في https://github.com/ultralytics/ultralytics/ نقطة / الرئيسية /ultralytics/نماذج/sam/predict.py. إذا اكتشفت مشكلة ، فيرجى المساعدة في إصلاحها من خلال المساهمة في طلب 🛠️ سحب. شكرا لك 🙏!
ultralytics.models.sam.predict.Predictor
قواعد: BasePredictor
فئة التوقع لنموذج أي شيء للمقطع (SAM) ، وتوسيع BasePredictor.
يوفر الفصل واجهة لاستدلال النموذج المصمم خصيصا لمهام تجزئة الصور. بفضل البنية المتقدمة وقدرات التجزئة السريعة ، فإنه يسهل المرونة وفي الوقت الفعلي توليد قناع. الفصل قادر على العمل مع أنواع مختلفة من المطالبات مثل المربعات المحيطة ، النقاط والأقنعة منخفضة الدقة.
سمات:
اسم | نوع | وصف |
---|---|---|
cfg |
dict
|
قاموس التكوين الذي يحدد النموذج والمعلمات المتعلقة بالمهمة. |
overrides |
dict
|
قاموس يحتوي على قيم تتجاوز التكوين الافتراضي. |
_callbacks |
dict
|
قاموس وظائف رد الاتصال المعرفة من قبل المستخدم لزيادة السلوك. |
args |
namespace
|
مساحة الاسم للاحتفاظ بوسيطات سطر الأوامر أو المتغيرات التشغيلية الأخرى. |
im |
Tensor
|
صورة إدخال تمت معالجتها مسبقا tensor. |
features |
Tensor
|
ميزات الصور المستخرجة المستخدمة للاستدلال. |
prompts |
dict
|
مجموعة من أنواع المطالبات المختلفة ، مثل المربعات المحيطة والنقاط. |
segment_all |
bool
|
وضع علامة للتحكم في ما إذا كنت تريد تقسيم كل الكائنات في الصورة أو الكائنات المحددة فقط. |
شفرة المصدر في ultralytics/models/sam/predict.py
35 36 37 38 39 40 41 42 43 44 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 |
|
__init__(cfg=DEFAULT_CFG, overrides=None, _callbacks=None)
قم بتهيئة المتنبئ من خلال التكوين والتجاوزات وعمليات الاسترجاعات.
تقوم الطريقة بإعداد كائن Predictor وتطبيق أي تجاوزات تكوين أو عمليات رد اتصال متوفرة. إنه تهيئة الإعدادات الخاصة بالمهمة ل SAM، مثل تعيين retina_masks إلى True للحصول على أفضل النتائج.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
cfg |
dict
|
قاموس التكوين. |
DEFAULT_CFG
|
overrides |
dict
|
قاموس القيم لتجاوز التكوين الافتراضي. |
None
|
_callbacks |
dict
|
قاموس وظائف رد الاتصال لتخصيص السلوك. |
None
|
شفرة المصدر في ultralytics/models/sam/predict.py
generate(im, crop_n_layers=0, crop_overlap_ratio=512 / 1500, crop_downscale_factor=1, point_grids=None, points_stride=32, points_batch_size=64, conf_thres=0.88, stability_score_thresh=0.95, stability_score_offset=0.95, crop_nms_thresh=0.7)
إجراء تجزئة الصورة باستخدام نموذج تقسيم أي شيء (SAM).
تقوم هذه الوظيفة بتقسيم الصورة بأكملها إلى أجزاء مكونة من خلال الاستفادة من SAMالهندسة المعمارية المتقدمة وقدرات الأداء في الوقت الحقيقي. يمكن أن تعمل اختياريا على محاصيل الصور لتجزئة أدق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
Tensor
|
الادخال tensor تمثل الصورة المعالجة مسبقا بأبعاد (N ، C ، H ، W). |
مطلوب |
crop_n_layers |
int
|
يحدد عدد الطبقات لتنبؤات قناع إضافية على قطع الصور. تنتج كل طبقة 2 ** i_layer عدد من محاصيل الصور. |
0
|
crop_overlap_ratio |
float
|
يحدد التداخل بين المحاصيل. تم تصغيرها في الطبقات اللاحقة. |
512 / 1500
|
crop_downscale_factor |
int
|
عامل القياس لعدد النقاط التي تم أخذ عينات منها لكل جانب في كل طبقة. |
1
|
point_grids |
list[ndarray]
|
تمت تسوية الشبكات المخصصة لأخذ عينات النقاط إلى [0,1]. تستخدم في طبقة المحاصيل التاسعة. |
None
|
points_stride |
int
|
عدد النقاط التي يجب أخذ عينات منها على كل جانب من جوانب الصورة. حصري مع "point_grids". |
32
|
points_batch_size |
int
|
حجم الدفعة لعدد النقاط التي تتم معالجتها في وقت واحد. |
64
|
conf_thres |
float
|
حد الثقة [0,1] للتصفية بناء على توقع جودة قناع النموذج. |
0.88
|
stability_score_thresh |
float
|
عتبة الاستقرار [0,1] لتصفية القناع بناء على ثبات القناع. |
0.95
|
stability_score_offset |
float
|
قيمة الإزاحة لحساب درجة الاستقرار. |
0.95
|
crop_nms_thresh |
float
|
قطع IoU ل NMS لإزالة الأقنعة المكررة بين المحاصيل. |
0.7
|
ارجاع:
نوع | وصف |
---|---|
tuple
|
مجموعة تحتوي على أقنعة مجزأة ودرجات ثقة ومربعات محيطة. |
شفرة المصدر في ultralytics/models/sam/predict.py
210211212213214215216217218219220221 222223224225226227228229230231232 233 234235236237238239240241242243244245246247248249250251252253254255256257 258259260261262263264265266 267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316 |
|
inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False, *args, **kwargs)
قم بإجراء استدلال تجزئة الصورة بناء على إشارات الإدخال المحددة ، باستخدام الصورة المحملة حاليا. هذا طريقة الرافعات SAM(نموذج تقسيم أي شيء) تتكون من مشفر الصور والتشفير الفوري و وحدة فك ترميز القناع لمهام التجزئة في الوقت الفعلي والسريعة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
Tensor
|
صورة الإدخال المعالجة مسبقا في tensor التنسيق ، مع الشكل (N ، C ، H ، W). |
مطلوب |
bboxes |
ndarray | List
|
مربعات محيطة ذات شكل (N، 4)، بتنسيق XYXY. |
None
|
points |
ndarray | List
|
النقاط التي تشير إلى مواقع الكائنات ذات الشكل (N ، 2) ، بالبكسل. |
None
|
labels |
ndarray | List
|
تسميات لمطالبات النقاط، الشكل (N، ). 1 = المقدمة ، 0 = الخلفية. |
None
|
masks |
ndarray
|
أقنعة منخفضة الدقة من شكل تنبؤات سابقة (N ، H ، W). من أجل SAM H = W = 256. |
None
|
multimask_output |
bool
|
وضع علامة لإرجاع أقنعة متعددة. مفيد للمطالبات الغامضة. |
False
|
ارجاع:
نوع | وصف |
---|---|
tuple
|
يحتوي على العناصر الثلاثة التالية. - np.ndarray: أقنعة الإخراج في الشكل CxHxW ، حيث C هو عدد الأقنعة التي تم إنشاؤها. - np.ndarray: مصفوفة من الطول C تحتوي على درجات الجودة التي تنبأ بها النموذج لكل قناع. - np.ndarray: لوغاريتمات منخفضة الدقة للشكل CxHxW للاستدلال اللاحق ، حيث H = W = 256. |
شفرة المصدر في ultralytics/models/sam/predict.py
postprocess(preds, img, orig_imgs)
ما بعد العمليات SAMمخرجات الاستدلال لإنشاء أقنعة الكشف عن الكائنات والمربعات المحيطة.
تقوم الطريقة بقياس الأقنعة والمربعات إلى حجم الصورة الأصلي وتطبق عتبة على تنبؤات القناع. ال SAM يستخدم Model بنية متقدمة ومهام تجزئة سريعة لتحقيق أداء في الوقت الفعلي.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
preds |
tuple
|
الناتج من SAM استدلال نموذجي، يحتوي على أقنعة ودرجات ومربعات إحاطة اختيارية. |
مطلوب |
img |
Tensor
|
صورة الإدخال المعالجة tensor. |
مطلوب |
orig_imgs |
list | Tensor
|
الصور الأصلية غير المعالجة. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
list
|
قائمة كائنات النتائج التي تحتوي على أقنعة الكشف والمربعات المحيطة والبيانات الأولية الأخرى. |
شفرة المصدر في ultralytics/models/sam/predict.py
pre_transform(im)
إجراء تحويلات أولية على صورة الإدخال للمعالجة المسبقة.
تطبق الطريقة تحويلات مثل تغيير الحجم لإعداد الصورة لمزيد من المعالجة المسبقة. حاليا ، الاستدلال المجمعة غير مدعوم ؛ ومن ثم يجب أن يكون طول القائمة 1.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
List[ndarray]
|
قائمة تحتوي على صور بتنسيق صفيف HWC numpy. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
List[ndarray]
|
قائمة الصور المحولة. |
شفرة المصدر في ultralytics/models/sam/predict.py
preprocess(im)
المعالجة المسبقة لصورة الإدخال لاستدلال النموذج.
تقوم الطريقة بإعداد صورة الإدخال من خلال تطبيق التحويلات والتطبيع. وهو يدعم كلا من torch.Tensor وقائمة np.ndarray كتنسيقات إدخال.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
Tensor | List[ndarray]
|
بتشو tensor تنسيق أو قائمة صفائف أرقام HWC. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
Tensor
|
الصورة المعالجة مسبقا tensor. |
شفرة المصدر في ultralytics/models/sam/predict.py
prompt_inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False)
وظيفة داخلية لاستدلال تجزئة الصورة بناء على إشارات مثل المربعات المحيطة والنقاط والأقنعة. روافع SAMللتجزئة الفورية في الوقت الفعلي.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
im |
Tensor
|
صورة الإدخال المعالجة مسبقا في tensor التنسيق ، مع الشكل (N ، C ، H ، W). |
مطلوب |
bboxes |
ndarray | List
|
مربعات محيطة ذات شكل (N، 4)، بتنسيق XYXY. |
None
|
points |
ndarray | List
|
النقاط التي تشير إلى مواقع الكائنات ذات الشكل (N ، 2) ، بالبكسل. |
None
|
labels |
ndarray | List
|
تسميات لمطالبات النقاط، الشكل (N، ). 1 = المقدمة ، 0 = الخلفية. |
None
|
masks |
ndarray
|
أقنعة منخفضة الدقة من شكل تنبؤات سابقة (N ، H ، W). من أجل SAM H = W = 256. |
None
|
multimask_output |
bool
|
وضع علامة لإرجاع أقنعة متعددة. مفيد للمطالبات الغامضة. |
False
|
ارجاع:
نوع | وصف |
---|---|
tuple
|
يحتوي على العناصر الثلاثة التالية. - np.ndarray: أقنعة الإخراج في الشكل CxHxW ، حيث C هو عدد الأقنعة التي تم إنشاؤها. - np.ndarray: مصفوفة من الطول C تحتوي على درجات الجودة التي تنبأ بها النموذج لكل قناع. - np.ndarray: لوغاريتمات منخفضة الدقة للشكل CxHxW للاستدلال اللاحق ، حيث H = W = 256. |
شفرة المصدر في ultralytics/models/sam/predict.py
remove_small_regions(masks, min_area=0, nms_thresh=0.7)
staticmethod
إجراء المعالجة اللاحقة على أقنعة التجزئة التي تم إنشاؤها بواسطة نموذج تقسيم أي شيء (SAM). على وجه التحديد ، هذا وظيفة يزيل المناطق الصغيرة غير المتصلة والثقوب من أقنعة الإدخال ، ثم ينفذ غير الحد الأقصى قمع (NMS) لإزالة أي مربعات مكررة تم إنشاؤها حديثا.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
masks |
Tensor
|
A tensor تحتوي على الأقنعة المراد معالجتها. يجب أن يكون الشكل (N ، H ، W) ، حيث N عدد الأقنعة ، H هو الارتفاع ، و W هو العرض. |
مطلوب |
min_area |
int
|
الحد الأدنى للمساحة التي سيتم إزالة المناطق والثقوب المنفصلة تحتها. الإعدادات الافتراضية هي 0. |
0
|
nms_thresh |
float
|
عتبة إنترنت الأشياء لخوارزمية NMS. الإعدادات الافتراضية هي 0.7. |
0.7
|
ارجاع:
نوع | وصف |
---|---|
tuple([Tensor, List[int]])
|
|
شفرة المصدر في ultralytics/models/sam/predict.py
reset_image()
set_image(image)
المعالجة المسبقة وتعيين صورة واحدة للاستدلال.
تقوم هذه الوظيفة بإعداد النموذج إذا لم تتم تهيئته بالفعل ، وتكوين مصدر البيانات إلى الصورة المحددة ، والمعالجة المسبقة للصورة لاستخراج المعالم. يمكن تعيين صورة واحدة فقط في كل مرة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
image |
str | ndarray
|
مسار ملف الصورة كسلسلة ، أو صورة np.ndarray تمت قراءتها بواسطة cv2. |
مطلوب |
يثير:
نوع | وصف |
---|---|
AssertionError
|
إذا تم تعيين أكثر من صورة واحدة. |
شفرة المصدر في ultralytics/models/sam/predict.py
set_prompts(prompts)
setup_model(model, verbose=True)
تهيئة نموذج أي شيء للمقطع (SAM) للاستدلال.
تقوم هذه الطريقة بإعداد ملف SAM نموذج من خلال تخصيصه للجهاز المناسب وتهيئة اللازم معلمات لتطبيع الصورة وغيرها Ultralytics إعدادات التوافق.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
model |
Module
|
مدرب مسبقا SAM نموذج. إذا لم يكن هناك شيء ، إنشاء نموذج بناء على التكوين. |
مطلوب |
verbose |
bool
|
إذا كان True (صواب)، فسيقوم بطباعة معلومات الجهاز المحددة. |
True
|
سمات:
اسم | نوع | وصف |
---|---|---|
model |
Module
|
ال SAM النموذج المخصص للجهاز المختار للاستدلال. |
device |
device
|
الجهاز الذي يتم تخصيص النموذج والموترات له. |
mean |
Tensor
|
القيم المتوسطة لتسوية الصورة. |
std |
Tensor
|
قيم الانحراف المعياري لتسوية الصورة. |
شفرة المصدر في ultralytics/models/sam/predict.py
setup_source(source)
إعداد مصدر البيانات للاستدلال.
تقوم هذه الطريقة بتكوين مصدر البيانات الذي سيتم جلب الصور منه للاستدلال. يمكن أن يكون المصدر دليل أو ملف فيديو أو أنواع أخرى من مصادر بيانات الصور.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
source |
str | Path
|
المسار إلى مصدر بيانات الصورة للاستدلال. |
مطلوب |