مرجع ل ultralytics/utils/metrics.py
ملاحظه
هذا الملف متاح في https://github.com/ultralytics/ultralytics/ نقطة / الرئيسية /ultralytics/ المرافق / metrics.py. إذا اكتشفت مشكلة ، فيرجى المساعدة في إصلاحها من خلال المساهمة في طلب 🛠️ سحب. شكرا لك 🙏!
ultralytics.utils.metrics.ConfusionMatrix
فئة لحساب وتحديث مصفوفة الارتباك لمهام اكتشاف الكائنات وتصنيفها.
سمات:
اسم | نوع | وصف |
---|---|---|
task |
str
|
نوع المهمة ، إما "كشف" أو "تصنيف". |
matrix |
ndarray
|
مصفوفة الارتباك ، مع أبعاد حسب المهمة. |
nc |
int
|
عدد الطبقات. |
conf |
float
|
عتبة الثقة للاكتشافات. |
iou_thres |
float
|
التقاطع على عتبة الاتحاد. |
شفرة المصدر في ultralytics/utils/metrics.py
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 |
|
__init__(nc, conf=0.25, iou_thres=0.45, task='detect')
تهيئة السمات ل YOLO نموذج.
شفرة المصدر في ultralytics/utils/metrics.py
matrix()
plot(normalize=True, save_dir='', names=(), on_plot=None)
ارسم مصفوفة الارتباك باستخدام seaborn واحفظها في ملف.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
normalize |
bool
|
سواء لتطبيع مصفوفة الارتباك. |
True
|
save_dir |
str
|
الدليل حيث سيتم حفظ المؤامرة. |
''
|
names |
tuple
|
أسماء الفئات ، وتستخدم كعلامات على المؤامرة. |
()
|
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. |
None
|
شفرة المصدر في ultralytics/utils/metrics.py
print()
process_batch(detections, gt_bboxes, gt_cls)
تحديث مصفوفة الارتباك لمهمة الكشف عن الكائن.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
detections |
Array[N, 6] | Array[N, 7]
|
المربعات المحيطة المكتشفة والمعلومات المرتبطة بها.
يجب أن يحتوي كل صف على (x1 ، y1 ، x2 ، y2 ، conf ، class)
أو مع عنصر إضافي |
مطلوب |
gt_bboxes |
Array[M, 4] | Array[N, 5]
|
مربعات ربط الحقيقة الأرضية بتنسيق xyxy / xyxyr. |
مطلوب |
gt_cls |
Array[M]
|
تسميات الفصل. |
مطلوب |
شفرة المصدر في ultralytics/utils/metrics.py
process_cls_preds(preds, targets)
تحديث مصفوفة الارتباك لمهمة التصنيف.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
preds |
Array[N, min(nc, 5)]
|
تسميات الفئة المتوقعة. |
مطلوب |
targets |
Array[N, 1]
|
تسميات فئة الحقيقة الأرضية. |
مطلوب |
شفرة المصدر في ultralytics/utils/metrics.py
tp_fp()
إرجاع الإيجابيات الحقيقية والإيجابيات الخاطئة.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.Metric
قواعد: SimpleClass
فئة لمقاييس تقييم الحوسبة ل YOLOv8 نموذج.
سمات:
اسم | نوع | وصف |
---|---|---|
p |
list
|
الدقة لكل فئة. الشكل: (nc ،). |
r |
list
|
أذكر لكل فصل. الشكل: (nc ،). |
f1 |
list
|
درجة F1 لكل فئة. الشكل: (nc ،). |
all_ap |
list
|
درجات AP لجميع الفئات وجميع عتبات IoU. الشكل: (nc ، 10). |
ap_class_index |
list
|
فهرس الفصل لكل درجة AP. الشكل: (nc ،). |
nc |
int
|
عدد الفصول. |
أساليب:
اسم | وصف |
---|---|
ap50 |
AP عند عتبة IoU 0.5 لجميع الفئات. العوائد: قائمة درجات AP. الشكل: (nc ،) أو []. |
ap |
AP عند عتبات IoU من 0.5 إلى 0.95 لجميع الفئات. العوائد: قائمة درجات AP. الشكل: (nc ،) أو []. |
mp |
يعني الدقة من جميع الفئات. العوائد: تعويم. |
mr |
يعني استدعاء جميع الطبقات. العوائد: تعويم. |
map50 |
متوسط AP عند عتبة IoU 0.5 لجميع الفئات. العوائد: تعويم. |
map75 |
متوسط AP عند عتبة IoU 0.75 لجميع الفئات. العوائد: تعويم. |
map |
متوسط AP عند عتبات IoU من 0.5 إلى 0.95 لجميع الفئات. العوائد: تعويم. |
mean_results |
متوسط النتائج ، إرجاع mp ، mr ، map50 ، map. |
class_result |
نتيجة مدركة للفئة ، ترجع p [i] ، r [i] ، ap50 [i] ، ap [i]. |
maps |
mAP من كل فئة. العوائد: صفيف من درجات mAP ، الشكل: (nc ،). |
fitness |
نموذج اللياقة البدنية كمزيج مرجح من المقاييس. العوائد: تعويم. |
update |
عدل سمات المقاييس بنتائج تقييم جديدة. |
شفرة المصدر في ultralytics/utils/metrics.py
620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 |
|
ap
property
ترجع متوسط الدقة (AP) عند حد IoU من 0.5-0.95 لكافة الفئات.
ارجاع:
نوع | وصف |
---|---|
(ndarray, list)
|
صفيف الشكل (nc ،) مع قيم AP50-95 لكل فئة ، أو قائمة فارغة إذا لم تكن متوفرة. |
ap50
property
ترجع متوسط الدقة (AP) عند حد IoU 0.5 لكافة الفئات.
ارجاع:
نوع | وصف |
---|---|
(ndarray, list)
|
صفيف الشكل (nc،) مع قيم AP50 لكل فئة ، أو قائمة فارغة إذا لم تكن متوفرة. |
curves
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
curves_results
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
map
property
ترجع متوسط الدقة المتوسط (mAP) عبر عتبات IoU من 0.5 إلى 0.95 بخطوات 0.05.
ارجاع:
نوع | وصف |
---|---|
float
|
mAP فوق عتبات IoU من 0.5 - 0.95 في خطوات 0.05. |
map50
property
ترجع متوسط الدقة المتوسطة (mAP) عند حد IoU 0.5.
ارجاع:
نوع | وصف |
---|---|
float
|
mAP عند عتبة IoU 0.5. |
map75
property
ترجع متوسط الدقة المتوسط (mAP) عند حد IoU 0.75.
ارجاع:
نوع | وصف |
---|---|
float
|
mAP عند عتبة IoU 0.75. |
maps
property
خريطة لكل فئة.
mp
property
إرجاع متوسط الدقة لكافة الفئات.
ارجاع:
نوع | وصف |
---|---|
float
|
متوسط الدقة لجميع الفئات. |
mr
property
إرجاع متوسط استدعاء كافة الفئات.
ارجاع:
نوع | وصف |
---|---|
float
|
يعني استدعاء جميع الطبقات. |
__init__()
تهيئة مثيل متري لحساب مقاييس التقييم ل YOLOv8 نموذج.
شفرة المصدر في ultralytics/utils/metrics.py
class_result(i)
fitness()
mean_results()
update(results)
تحديث مقاييس تقييم النموذج بمجموعة جديدة من النتائج.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
results |
tuple
|
مجموعة تحتوي على مقاييس التقييم التالية: - p (قائمة): الدقة لكل فئة. الشكل: (nc ،). - r (قائمة): استدعاء لكل فئة. الشكل: (nc ،). - F1 (قائمة): درجة F1 لكل فئة. الشكل: (nc ،). - all_ap (قائمة): درجات AP لجميع الفئات وجميع عتبات IoU. الشكل: (nc ، 10). - ap_class_index (قائمة): فهرس الفئة لكل درجة AP. الشكل: (nc ،). |
مطلوب |
آثار جانبية
تحديث سمات الفئة self.p
, self.r
, self.f1
, self.all_ap
و self.ap_class_index
استنادا الي
على القيم الواردة في results
المجموعه.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.DetMetrics
قواعد: SimpleClass
هذه الفئة هي فئة فائدة لمقاييس اكتشاف الحوسبة مثل الدقة والاستدعاء ومتوسط الدقة (mAP) لنموذج الكشف عن الكائنات.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
save_dir |
Path
|
مسار إلى الدليل حيث سيتم حفظ مخططات الإخراج. الإعدادات الافتراضية للدليل الحالي. |
Path('.')
|
plot |
bool
|
علامة تشير إلى ما إذا كان سيتم رسم منحنيات استدعاء الدقة لكل فئة. الإعدادات الافتراضية إلى خطأ. |
False
|
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. الإعدادات الافتراضية إلى لا شيء. |
None
|
names |
tuple of str
|
مجموعة من السلاسل التي تمثل أسماء الفئات. الإعدادات الافتراضية إلى مجموعة فارغة. |
()
|
سمات:
اسم | نوع | وصف |
---|---|---|
save_dir |
Path
|
مسار إلى الدليل حيث سيتم حفظ مخططات الإخراج. |
plot |
bool
|
علامة تشير إلى ما إذا كان سيتم رسم منحنيات استدعاء الدقة لكل فئة. |
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. |
names |
tuple of str
|
مجموعة من السلاسل التي تمثل أسماء الفئات. |
box |
Metric
|
مثيل لفئة Metric لتخزين نتائج مقاييس الكشف. |
speed |
dict
|
قاموس لتخزين وقت التنفيذ لأجزاء مختلفة من عملية الكشف. |
أساليب:
اسم | وصف |
---|---|
process |
تحديث نتائج المقاييس بأحدث مجموعة من التوقعات. |
keys |
إرجاع قائمة بالمفاتيح للوصول إلى مقاييس الكشف المحسوبة. |
mean_results |
ترجع قائمة بالقيم المتوسطة لمقاييس الكشف المحسوبة. |
class_result |
إرجاع قائمة بالقيم لمقاييس الكشف المحسوبة لفئة معينة. |
maps |
إرجاع قاموس لقيم متوسط الدقة (mAP) لعتبات IoU المختلفة. |
fitness |
يحسب درجة اللياقة استنادا إلى مقاييس الكشف المحسوبة. |
ap_class_index |
إرجاع قائمة بفهارس الفئات مرتبة حسب قيم متوسط الدقة (AP) الخاصة بها. |
results_dict |
ترجع هذه الدالة قاموسا يقوم بتعيين مفاتيح قياس الكشف إلى قيمها المحسوبة. |
curves |
تودو |
curves_results |
تودو |
شفرة المصدر في ultralytics/utils/metrics.py
792793794795796797798799800801802803 804805806807808809810811812813814815816817818819820821822823824825826827828829830831832 833834835836 837838839840841842843844845846847848849850851852853854855856857858859860861862863864865866 867868869870871872873874875876877878879880881882883884885886887888889890 |
|
ap_class_index
property
ترجع متوسط مؤشر الدقة لكل فئة.
curves
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
curves_results
property
إرجاع قاموس مقاييس الأداء والإحصاءات المحسوبة.
fitness
property
إرجاع ملاءمة كائن مربع.
keys
property
إرجاع قائمة بالمفاتيح للوصول إلى مقاييس محددة.
maps
property
تعني المرتجعات متوسط درجات الدقة (mAP) لكل فئة.
results_dict
property
إرجاع قاموس مقاييس الأداء والإحصاءات المحسوبة.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
قم بتهيئة مثيل DetMetrics باستخدام دليل حفظ وعلامة رسم ووظيفة رد الاتصال وأسماء الفئات.
شفرة المصدر في ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, conf, pred_cls, target_cls)
معالجة النتائج المتوقعة لاكتشاف الكائنات وتحديث المقاييس.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.SegmentMetrics
قواعد: SimpleClass
يحسب ويجمع مقاييس الكشف والتجزئة عبر مجموعة معينة من الفئات.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
save_dir |
Path
|
المسار إلى الدليل حيث يجب حفظ مؤامرات الإخراج. الافتراضي هو الدليل الحالي. |
Path('.')
|
plot |
bool
|
ما إذا كان لحفظ مؤامرات الكشف والتجزئة. الافتراضي هو خطأ. |
False
|
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. الإعدادات الافتراضية إلى لا شيء. |
None
|
names |
list
|
قائمة بأسماء الفئات. الافتراضي هو قائمة فارغة. |
()
|
سمات:
اسم | نوع | وصف |
---|---|---|
save_dir |
Path
|
المسار إلى الدليل حيث يجب حفظ مؤامرات الإخراج. |
plot |
bool
|
ما إذا كان لحفظ مؤامرات الكشف والتجزئة. |
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. |
names |
list
|
قائمة بأسماء الفئات. |
box |
Metric
|
مثيل للفئة المترية لحساب مقاييس اكتشاف المربع. |
seg |
Metric
|
مثيل للفئة المترية لحساب مقاييس تجزئة القناع. |
speed |
dict
|
قاموس لتخزين الوقت المستغرق في مراحل مختلفة من الاستدلال. |
أساليب:
اسم | وصف |
---|---|
process |
يعالج المقاييس على مجموعة معينة من التنبؤات. |
mean_results |
ترجع هذه الدالة متوسط مقاييس الكشف والتجزئة على كل الفئات. |
class_result |
إرجاع مقاييس الكشف والتجزئة للفئة |
maps |
إرجاع متوسط درجات متوسط الدقة (mAP) لعتبات IoU التي تتراوح من 0.50 إلى 0.95. |
fitness |
ترجع هذه الدالة درجات اللياقة، وهي عبارة عن مجموعة مرجحة واحدة من المقاييس. |
ap_class_index |
ترجع قائمة بمؤشرات الفئات المستخدمة لحساب متوسط الدقة (AP). |
results_dict |
إرجاع القاموس الذي يحتوي على كل مقاييس الكشف والتجزئة ودرجة اللياقة. |
شفرة المصدر في ultralytics/utils/metrics.py
893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 |
|
ap_class_index
property
الصناديق والأقنعة لها نفس ap_class_index.
curves
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
curves_results
property
إرجاع قاموس مقاييس الأداء والإحصاءات المحسوبة.
fitness
property
احصل على درجة اللياقة البدنية لكل من نماذج التجزئة والمربع المحيط.
keys
property
إرجاع قائمة بالمفاتيح للوصول إلى المقاييس.
maps
property
إرجاع درجات mAP لاكتشاف الكائنات ونماذج التجزئة الدلالية.
results_dict
property
إرجاع نتائج نموذج الكشف عن الكائنات للتقييم.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
قم بتهيئة مثيل SegmentMetrics باستخدام دليل حفظ وعلامة رسم ووظيفة رد الاتصال وأسماء الفئات.
شفرة المصدر في ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_m, conf, pred_cls, target_cls)
يعالج مقاييس الكشف والتجزئة على مجموعة معينة من التنبؤات.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
tp |
list
|
قائمة مربعات إيجابية حقيقية. |
مطلوب |
tp_m |
list
|
قائمة الأقنعة الإيجابية الحقيقية. |
مطلوب |
conf |
list
|
قائمة درجات الثقة. |
مطلوب |
pred_cls |
list
|
قائمة الفئات المتوقعة. |
مطلوب |
target_cls |
list
|
قائمة الفئات المستهدفة. |
مطلوب |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.PoseMetrics
قواعد: SegmentMetrics
يحسب ويجمع الاكتشاف ويطرح المقاييس على مجموعة معينة من الفئات.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
save_dir |
Path
|
المسار إلى الدليل حيث يجب حفظ مؤامرات الإخراج. الافتراضي هو الدليل الحالي. |
Path('.')
|
plot |
bool
|
ما إذا كان لحفظ مؤامرات الكشف والتجزئة. الافتراضي هو خطأ. |
False
|
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. الإعدادات الافتراضية إلى لا شيء. |
None
|
names |
list
|
قائمة بأسماء الفئات. الافتراضي هو قائمة فارغة. |
()
|
سمات:
اسم | نوع | وصف |
---|---|---|
save_dir |
Path
|
المسار إلى الدليل حيث يجب حفظ مؤامرات الإخراج. |
plot |
bool
|
ما إذا كان لحفظ مؤامرات الكشف والتجزئة. |
on_plot |
func
|
رد اتصال اختياري لتمرير مسارات وبيانات عند عرضها. |
names |
list
|
قائمة بأسماء الفئات. |
box |
Metric
|
مثيل للفئة المترية لحساب مقاييس اكتشاف المربع. |
pose |
Metric
|
مثيل للفئة المترية لحساب مقاييس تجزئة القناع. |
speed |
dict
|
قاموس لتخزين الوقت المستغرق في مراحل مختلفة من الاستدلال. |
أساليب:
اسم | وصف |
---|---|
process |
يعالج المقاييس على مجموعة معينة من التنبؤات. |
mean_results |
ترجع هذه الدالة متوسط مقاييس الكشف والتجزئة على كل الفئات. |
class_result |
إرجاع مقاييس الكشف والتجزئة للفئة |
maps |
إرجاع متوسط درجات متوسط الدقة (mAP) لعتبات IoU التي تتراوح من 0.50 إلى 0.95. |
fitness |
ترجع هذه الدالة درجات اللياقة، وهي عبارة عن مجموعة مرجحة واحدة من المقاييس. |
ap_class_index |
ترجع قائمة بمؤشرات الفئات المستخدمة لحساب متوسط الدقة (AP). |
results_dict |
إرجاع القاموس الذي يحتوي على كل مقاييس الكشف والتجزئة ودرجة اللياقة. |
شفرة المصدر في ultralytics/utils/metrics.py
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 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 |
|
curves
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
curves_results
property
إرجاع قاموس مقاييس الأداء والإحصاءات المحسوبة.
fitness
property
يحسب مقاييس التصنيف والسرعة باستخدام targets
و pred
المدخلات.
keys
property
إرجاع قائمة مفاتيح مقياس التقييم.
maps
property
ترجع متوسط متوسط الدقة (mAP) لكل فئة لكل من اكتشافات الصندوق والوضع.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
قم بتهيئة فئة PoseMetrics باستخدام مسار الدليل وأسماء الفئات وخيارات التخطيط.
شفرة المصدر في ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_p, conf, pred_cls, target_cls)
يعالج الاكتشاف ويطرح المقاييس على مجموعة معينة من التنبؤات.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
tp |
list
|
قائمة مربعات إيجابية حقيقية. |
مطلوب |
tp_p |
list
|
قائمة النقاط الرئيسية الإيجابية الحقيقية. |
مطلوب |
conf |
list
|
قائمة درجات الثقة. |
مطلوب |
pred_cls |
list
|
قائمة الفئات المتوقعة. |
مطلوب |
target_cls |
list
|
قائمة الفئات المستهدفة. |
مطلوب |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.ClassifyMetrics
قواعد: SimpleClass
فئة لمقاييس تصنيف الحوسبة بما في ذلك دقة top-1 و top-5.
سمات:
اسم | نوع | وصف |
---|---|---|
top1 |
float
|
دقة أعلى 1. |
top5 |
float
|
دقة أعلى 5. |
speed |
Dict[str, float]
|
قاموس يحتوي على الوقت المستغرق لكل خطوة في خط الأنابيب. |
خصائص
اللياقة البدنية (تعويم): لياقة النموذج ، والتي تساوي دقة أعلى 5. results_dict (Dict[str, Union[float, str]]): قاموس يحتوي على مقاييس التصنيف واللياقة. المفاتيح (List[str]): قائمة بمفاتيح results_dict.
أساليب:
اسم | وصف |
---|---|
process |
يعالج الأهداف والتنبؤات لحساب مقاييس التصنيف. |
شفرة المصدر في ultralytics/utils/metrics.py
curves
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
curves_results
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
fitness
property
إرجاع متوسط دقة أعلى 1 وأعلى 5 كدرجة لياقة.
keys
property
إرجاع قائمة بالمفاتيح لموقع results_dict.
results_dict
property
إرجاع قاموس يحتوي على مقاييس أداء النموذج ودرجة اللياقة البدنية.
__init__()
تهيئة مثيل ClassifyMetrics.
process(targets, pred)
الفئات المستهدفة والفصول المتوقعة.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.OBBMetrics
قواعد: SimpleClass
شفرة المصدر في ultralytics/utils/metrics.py
ap_class_index
property
ترجع متوسط مؤشر الدقة لكل فئة.
curves
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
curves_results
property
إرجاع قائمة بالمنحنيات للوصول إلى منحنيات مقاييس محددة.
fitness
property
إرجاع ملاءمة كائن مربع.
keys
property
إرجاع قائمة بالمفاتيح للوصول إلى مقاييس محددة.
maps
property
تعني المرتجعات متوسط درجات الدقة (mAP) لكل فئة.
results_dict
property
إرجاع قاموس مقاييس الأداء والإحصاءات المحسوبة.
class_result(i)
mean_results()
process(tp, conf, pred_cls, target_cls)
معالجة النتائج المتوقعة لاكتشاف الكائنات وتحديث المقاييس.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_ioa(box1, box2, iou=False, eps=1e-07)
احسب التقاطع على مساحة المربع 2 بمعلومية المربع 1 والمربع 2. المربعات بتنسيق x1y1x2y2.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
box1 |
ndarray
|
مصفوفة من الشكل (n ، 4) تمثل n المربعات المحيطة. |
مطلوب |
box2 |
ndarray
|
مصفوفة من الأشكال (م ، 4) تمثل المربعات المحيطة m. |
مطلوب |
iou |
bool
|
احسب IoU القياسي إذا كان True آخر يرجع inter_area / box2_area. |
False
|
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
ndarray
|
مصفوفة من الأشكال (n ، m) تمثل التقاطع فوق منطقة box2. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.box_iou(box1, box2, eps=1e-07)
احسب التقاطع عبر الاتحاد (IoU) للصناديق. من المتوقع أن تكون كلتا المجموعتين من الصناديق بتنسيق (x1 ، y1 ، x2 ، y2). تقييم/تقييمات https://github.com/pytorch/ الرؤية / النقطة / الماجستير / Torchvision / OPS / boxes.py
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
box1 |
Tensor
|
A tensor من الشكل (N ، 4) يمثل المربعات المحيطة N. |
مطلوب |
box2 |
Tensor
|
A tensor من الشكل (M ، 4) يمثل المربعات المحيطة M. |
مطلوب |
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
Tensor
|
إن إكس إم tensor تحتوي على قيم IoU الزوجية لكل عنصر في المربع 1 والمربع 2. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-07)
احسب التقاطع عبر الاتحاد (IoU) من المربع 1 (1 ، 4) إلى المربع 2 (n ، 4).
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
box1 |
Tensor
|
A tensor يمثل مربعا محيطا واحدا بالشكل (1 ، 4). |
مطلوب |
box2 |
Tensor
|
A tensor تمثل n مربعات محيطة بالشكل (n ، 4). |
مطلوب |
xywh |
bool
|
إذا كان True ، تكون مربعات الإدخال بتنسيق (x ، y ، w ، h). إذا كانت False ، فستكون مربعات الإدخال في (x1 ، y1 ، x2 ، y2) تنسيق. الإعدادات الافتراضية إلى صواب. |
True
|
GIoU |
bool
|
إذا كان هذا صحيحا ، فاحسب IoU المعمم. الإعدادات الافتراضية إلى خطأ. |
False
|
DIoU |
bool
|
إذا كان هذا صحيحا ، فاحسب المسافة IoU. الإعدادات الافتراضية إلى خطأ. |
False
|
CIoU |
bool
|
إذا كان هذا صحيحا ، فاحسب IoU الكامل. الإعدادات الافتراضية إلى خطأ. |
False
|
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
Tensor
|
قيم IoU أو GIoU أو DIoU أو CIoU اعتمادا على العلامات المحددة. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.mask_iou(mask1, mask2, eps=1e-07)
حساب أقنعة IoU.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
mask1 |
Tensor
|
A tensor من الشكل (N ، n) حيث N هو عدد كائنات الحقيقة الأرضية و n هو نتاج عرض الصورة وارتفاعها. |
مطلوب |
mask2 |
Tensor
|
A tensor من الشكل (M ، n) حيث M هو عدد الكائنات المتوقعة و n هو نتاج عرض الصورة وارتفاعها. |
مطلوب |
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
Tensor
|
A tensor من الشكل (N ، M) يمثل أقنعة IoU. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.kpt_iou(kpt1, kpt2, area, sigma, eps=1e-07)
حساب تشابه نقطة مفتاح الكائن (OKS).
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
kpt1 |
Tensor
|
A tensor من الشكل (N ، 17 ، 3) يمثل النقاط الرئيسية للحقيقة الأرضية. |
مطلوب |
kpt2 |
Tensor
|
A tensor الشكل (M ، 17 ، 3) يمثل النقاط الرئيسية المتوقعة. |
مطلوب |
area |
Tensor
|
A tensor من الشكل (N) يمثل مناطق من الحقيقة الأرضية. |
مطلوب |
sigma |
list
|
قائمة تحتوي على 17 قيمة تمثل مقاييس النقاط الرئيسية. |
مطلوب |
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
Tensor
|
A tensor من الشكل (N ، M) يمثل أوجه التشابه بين النقاط الرئيسية. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics._get_covariance_matrix(boxes)
توليد مصفوفة التغاير من obbs.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
boxes |
Tensor
|
A tensor من الشكل (N ، 5) يمثل المربعات المحيطة المستديرة ، بتنسيق xywhr. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
Tensor
|
التباين المشترك metrixs المقابلة للمربعات المحيطة الأصلية التي تم تدويرها. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.probiou(obb1, obb2, CIoU=False, eps=1e-07)
احسب مشكلة IoU بين المربعات المحيطة الموجهة ، https://arxiv.org/pdf/2106.06072v1.pdf.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
obb1 |
Tensor
|
A tensor من الشكل (N ، 5) يمثل obbs الحقيقة الأرضية ، مع تنسيق xywhr. |
مطلوب |
obb2 |
Tensor
|
A tensor من الشكل (N ، 5) يمثل obbs المتوقعة ، مع تنسيق xywhr. |
مطلوب |
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
Tensor
|
A tensor من الشكل (N ، ) يمثل أوجه التشابه obb. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.batch_probiou(obb1, obb2, eps=1e-07)
احسب مشكلة IoU بين المربعات المحيطة الموجهة ، https://arxiv.org/pdf/2106.06072v1.pdf.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
obb1 |
Tensor | ndarray
|
A tensor من الشكل (N ، 5) يمثل obbs الحقيقة الأرضية ، مع تنسيق xywhr. |
مطلوب |
obb2 |
Tensor | ndarray
|
A tensor من الشكل (M ، 5) يمثل obbs المتوقعة ، مع تنسيق xywhr. |
مطلوب |
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-7. |
1e-07
|
ارجاع:
نوع | وصف |
---|---|
Tensor
|
A tensor من الشكل (N ، M) يمثل أوجه التشابه obb. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth_BCE(eps=0.1)
قامت الحسابات بتنعيم أهداف الإنتروبيا الثنائية الإيجابية والسلبية.
تحسب هذه الوظيفة التسمية الموجبة والسالبة التي تجانس أهداف BCE بناء على قيمة إبسيلون معينة. للحصول على تفاصيل التنفيذ، يرجى الرجوع إلى https://github.com/ultralytics/yolov3/issues/238#issuecomment-598028441.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
eps |
float
|
قيمة إبسيلون لتنعيم الملصق. الإعدادات الافتراضية هي 0.1. |
0.1
|
ارجاع:
نوع | وصف |
---|---|
tuple
|
مجموعة تحتوي على الملصق الإيجابي والسلبي الذي يمهد أهداف BCE. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth(y, f=0.05)
مرشح مربع من الكسر f.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_pr_curve(px, py, ap, save_dir=Path('pr_curve.png'), names=(), on_plot=None)
يرسم منحنى استدعاء الدقة.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_mc_curve(px, py, save_dir=Path('mc_curve.png'), names=(), xlabel='Confidence', ylabel='Metric', on_plot=None)
يرسم منحنى الثقة المترية.
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.compute_ap(recall, precision)
احسب متوسط الدقة (AP) بمعلومية منحنيات الاستدعاء والدقة.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
recall |
list
|
منحنى الاستدعاء. |
مطلوب |
precision |
list
|
منحنى الدقة. |
مطلوب |
ارجاع:
نوع | وصف |
---|---|
float
|
متوسط الدقة. |
ndarray
|
منحنى المغلف الدقيق. |
ndarray
|
منحنى استدعاء معدل مع إضافة قيم خافرة في البداية والنهاية. |
شفرة المصدر في ultralytics/utils/metrics.py
ultralytics.utils.metrics.ap_per_class(tp, conf, pred_cls, target_cls, plot=False, on_plot=None, save_dir=Path(), names=(), eps=1e-16, prefix='')
يحسب متوسط الدقة لكل فئة لتقييم اكتشاف الكائنات.
البارامترات:
اسم | نوع | وصف | افتراضي |
---|---|---|---|
tp |
ndarray
|
مصفوفة ثنائية تشير إلى ما إذا كان الاكتشاف صحيحا (صحيح) أم لا (خطأ). |
مطلوب |
conf |
ndarray
|
مجموعة من درجات الثقة للاكتشافات. |
مطلوب |
pred_cls |
ndarray
|
مجموعة من الفئات المتوقعة من الاكتشافات. |
مطلوب |
target_cls |
ndarray
|
مجموعة من الفئات الحقيقية للاكتشافات. |
مطلوب |
plot |
bool
|
سواء لرسم منحنيات العلاقات العامة أم لا. الإعدادات الافتراضية إلى خطأ. |
False
|
on_plot |
func
|
رد اتصال لتمرير المسارات والبيانات عند عرضها. الإعدادات الافتراضية إلى لا شيء. |
None
|
save_dir |
Path
|
دليل لحفظ منحنيات العلاقات العامة. الإعدادات الافتراضية إلى مسار فارغ. |
Path()
|
names |
tuple
|
مجموعة من أسماء الفئات لرسم منحنيات العلاقات العامة. الإعدادات الافتراضية إلى مجموعة فارغة. |
()
|
eps |
float
|
قيمة صغيرة لتجنب القسمة على صفر. الإعدادات الافتراضية إلى 1e-16. |
1e-16
|
prefix |
str
|
سلسلة بادئة لحفظ ملفات المؤامرة. الإعدادات الافتراضية لسلسلة فارغة. |
''
|
ارجاع:
نوع | وصف |
---|---|
tuple
|
مجموعة من ستة صفائف ومجموعة واحدة من الفئات الفريدة ، حيث: tp (np.ndarray): يتم احتساب الأعداد الإيجابية الحقيقية عند العتبة المعطاة بواسطة مقياس F1 الأقصى لكل فئة. الشكل: (nc ،). fp (np.ndarray): الأعداد الإيجابية الخاطئة عند العتبة المعطاة بواسطة مقياس F1 الأقصى لكل فئة. الشكل: (nc ،). p (np.ndarray): قيم الدقة عند العتبة المعطاة بواسطة مقياس F1 كحد أقصى لكل فئة. الشكل: (nc ،). r (np.ndarray): قيم الاستدعاء عند العتبة المعطاة بواسطة مقياس F1 كحد أقصى لكل فئة. الشكل: (nc ،). f1 (np.ndarray): قيم درجة F1 عند العتبة المعطاة بواسطة مقياس F1 الأقصى لكل فئة. الشكل: (nc ،). ap (np.ndarray): متوسط الدقة لكل فئة عند عتبات إنترنت الأشياء المختلفة. الشكل: (nc ، 10). unique_classes (np.ndarray): مجموعة من الفئات الفريدة التي تحتوي على بيانات. الشكل: (nc ،). p_curve (np.ndarray): منحنيات دقيقة لكل فئة. الشكل: (NC ، 1000). r_curve (np.ndarray): استدعاء منحنيات لكل فئة. الشكل: (NC ، 1000). f1_curve (np.ndarray): منحنيات درجة F1 لكل فئة. الشكل: (NC ، 1000). x (np.ndarray): قيم المحور X للمنحنيات. الشكل: (1000،). prec_values: قيم الدقة عند mAP@0.5 لكل فئة. الشكل: (NC ، 1000). |