Referenz fĂŒr ultralytics/data/augment.py
Hinweis
Diese Datei ist verfĂŒgbar unter https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/augment .py. Wenn du ein Problem entdeckst, hilf bitte mit, es zu beheben, indem du einen Pull Request đ ïž einreichst. Vielen Dank đ!
ultralytics.data.augment.BaseTransform
Basisklasse fĂŒr Bildtransformationen.
Dies ist eine generische Transformationsklasse, die fĂŒr spezifische Bildverarbeitungsanforderungen erweitert werden kann. Die Klasse ist so konzipiert, dass sie sowohl mit Klassifizierungs- als auch mit semantischen Segmentierungsaufgaben kompatibel ist.
Methoden:
Name | Beschreibung |
---|---|
__init__ |
Initialisiert das BaseTransform-Objekt. |
apply_image |
Wendet die Bildtransformation auf Etiketten an. |
apply_instances |
Wendet Transformationen auf Objektinstanzen in Labels an. |
apply_semantic |
Wendet die semantische Segmentierung auf ein Bild an. |
__call__ |
Wendet alle Label-Transformationen auf ein Bild, Instanzen und semantische Masken an. |
Quellcode in ultralytics/data/augment.py
__call__(labels)
Wendet alle Label-Transformationen auf ein Bild, Instanzen und semantische Masken an.
__init__()
apply_image(labels)
apply_instances(labels)
ultralytics.data.augment.Compose
Klasse zum Zusammensetzen mehrerer Bildtransformationen.
Quellcode in ultralytics/data/augment.py
__call__(data)
__getitem__(index)
Rufe eine bestimmte Transformation oder eine Gruppe von Transformationen mit Hilfe der Indexierung ab.
Quellcode in ultralytics/data/augment.py
__init__(transforms)
__repr__()
__setitem__(index, value)
Rufe eine bestimmte Transformation oder eine Gruppe von Transformationen mit Hilfe der Indexierung ab.
Quellcode in ultralytics/data/augment.py
append(transform)
insert(index, transform)
ultralytics.data.augment.BaseMixTransform
Klasse fĂŒr Basis-Mix-Transformationen (MixUp/Mosaik).
Diese Implementierung ist von mmyolo.
Quellcode in ultralytics/data/augment.py
__call__(labels)
Wendet Vorverarbeitungstransformationen und Mixup/Mosaik-Transformationen auf Etikettendaten an.
Quellcode in ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
Initialisiert das BaseMixTransform-Objekt mit Datensatz, pre_transform und Wahrscheinlichkeit.
ultralytics.data.augment.Mosaic
Basen: BaseMixTransform
Mosaik-ErgÀnzung.
Diese Klasse fĂŒhrt eine MosaikvergröĂerung durch, indem sie mehrere (4 oder 9) Bilder zu einem einzigen Mosaikbild kombiniert. Die VergröĂerung wird auf einen Datensatz mit einer bestimmten Wahrscheinlichkeit angewendet.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
dataset |
Der Datensatz, auf den die Mosaik-Erweiterung angewendet wird. |
|
imgsz |
int
|
BildgröĂe (Höhe und Breite) nach der Mosaik-Pipeline eines einzelnen Bildes. Standardwert ist 640. |
p |
float
|
Wahrscheinlichkeit der Anwendung der Mosaik-Erweiterung. Muss im Bereich von 0-1 liegen. Standardwert ist 1.0. |
n |
int
|
Die RastergröĂe, entweder 4 (fĂŒr 2x2) oder 9 (fĂŒr 3x3). |
Quellcode in 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)
Initialisiert das Objekt mit einem Datensatz, einer BildgröĂe, einer Wahrscheinlichkeit und einem Rahmen.
Quellcode in ultralytics/data/augment.py
get_indexes(buffer=True)
Gibt eine Liste mit zufĂ€lligen Indizes aus dem Datensatz zurĂŒck.
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.MixUp
Basen: BaseMixTransform
Klasse fĂŒr die Anwendung der MixUp-ErgĂ€nzung auf den Datensatz.
Quellcode in ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
Initialisiert das MixUp-Objekt mit Datensatz, pre_transform und Wahrscheinlichkeit der Anwendung von MixUp.
ultralytics.data.augment.RandomPerspective
Implementiert zufĂ€llige perspektivische und affine Transformationen auf Bilder und die entsprechenden Bounding Boxes, Segmente und Keypoints. Zu diesen Transformationen gehören Rotation, Translation, Skalierung und Scherung. Die Klasse bietet auĂerdem die die Möglichkeit, diese Transformationen mit einer bestimmten Wahrscheinlichkeit anzuwenden.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
degrees |
float
|
Gradbereich fĂŒr zufĂ€llige Rotationen. |
translate |
float
|
Bruchteil der Gesamtbreite und -höhe fĂŒr die zufĂ€llige Ăbersetzung. |
scale |
float
|
Skalierungsfaktor-Intervall, z. B. ermöglicht ein Skalierungsfaktor von 0,1 eine GröĂenĂ€nderung zwischen 90 % und 110 %. |
shear |
float
|
ScherungsintensitÀt (Winkel in Grad). |
perspective |
float
|
Perspektivischer Verzerrungsfaktor. |
border |
tuple
|
Tupel, das die Mosaikgrenze angibt. |
pre_transform |
callable
|
Eine Funktion/Transformation, die auf das Bild angewendet wird, bevor die zufÀllige Transformation beginnt. |
Methoden:
Name | Beschreibung |
---|---|
affine_transform |
Wendet eine Reihe von affinen Transformationen auf das Bild an. |
apply_bboxes |
Transformiert Bounding Boxes mithilfe der berechneten affinen Matrix. |
apply_segments |
Transformiert Segmente und erzeugt neue Begrenzungsrahmen. |
apply_keypoints |
Transformiert Keypoints. |
__call__ |
Hauptmethode zur Anwendung von Transformationen auf Bilder und die dazugehörigen Anmerkungen. |
box_candidates |
Filtert Boundingboxen aus, die nach der Transformation bestimmte Kriterien nicht erfĂŒllen. |
Quellcode in 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)
Affine Bilder und Ziele.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
labels |
dict
|
ein Diktat von |
erforderlich |
Quellcode in 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)
Initialisiert das RandomPerspective-Objekt mit Transformationsparametern.
Quellcode in ultralytics/data/augment.py
affine_transform(img, border)
Wendet eine Reihe von affinen Transformationen an, die um die Bildmitte zentriert sind.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
img |
ndarray
|
Eingangsbild. |
erforderlich |
border |
tuple
|
Abmessungen des Randes. |
erforderlich |
Retouren:
Name | Typ | Beschreibung |
---|---|---|
img |
ndarray
|
Transformiertes Bild. |
M |
ndarray
|
Transformationsmatrix. |
s |
float
|
Skalierungsfaktor. |
Quellcode in ultralytics/data/augment.py
apply_bboxes(bboxes, M)
Affine nur auf B-Boxen anwenden.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
bboxes |
ndarray
|
Liste von Bboxen, xyxy-Format, mit Form (num_bboxes, 4). |
erforderlich |
M |
ndarray
|
affine Matrix. |
erforderlich |
Retouren:
Name | Typ | Beschreibung |
---|---|---|
new_bboxes |
ndarray
|
bboxes nach affine, [num_bboxes, 4]. |
Quellcode in ultralytics/data/augment.py
apply_keypoints(keypoints, M)
Affine auf Keypoints anwenden.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
keypoints |
ndarray
|
Keypoints, [N, 17, 3]. |
erforderlich |
M |
ndarray
|
affine Matrix. |
erforderlich |
Retouren:
Name | Typ | Beschreibung |
---|---|---|
new_keypoints |
ndarray
|
Keypoints nach affin, [N, 17, 3]. |
Quellcode in ultralytics/data/augment.py
apply_segments(segments, M)
Affine auf Segmente anwenden und neue Bboxen aus Segmenten erzeugen.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
segments |
ndarray
|
Liste der Segmente, [num_samples, 500, 2]. |
erforderlich |
M |
ndarray
|
affine Matrix. |
erforderlich |
Retouren:
Name | Typ | Beschreibung |
---|---|---|
new_segments |
ndarray
|
Liste der Segmente nach affine, [num_samples, 500, 2]. |
new_bboxes |
ndarray
|
bboxes nach affin, [N, 4]. |
Quellcode in ultralytics/data/augment.py
box_candidates(box1, box2, wh_thr=2, ar_thr=100, area_thr=0.1, eps=1e-16)
Berechne Box-Kandidaten auf der Grundlage einer Reihe von Schwellenwerten. Diese Methode vergleicht die Merkmale der Boxen vor und nach der Erweiterung, um zu entscheiden, ob eine Box ein Kandidat fĂŒr die weitere Bearbeitung ist.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
box1 |
ndarray
|
Die 4,n Bounding Box vor der Augmentation, dargestellt als [x1, y1, x2, y2]. |
erforderlich |
box2 |
ndarray
|
Die 4,n Bounding Box nach der Augmentation, dargestellt als [x1, y1, x2, y2]. |
erforderlich |
wh_thr |
float
|
Der Schwellenwert fĂŒr Breite und Höhe in Pixeln. Der Standardwert ist 2. |
2
|
ar_thr |
float
|
Der Schwellenwert fĂŒr das SeitenverhĂ€ltnis. Der Standardwert ist 100. |
100
|
area_thr |
float
|
Der Schwellenwert fĂŒr das FlĂ€chenverhĂ€ltnis. Standardwert ist 0,1. |
0.1
|
eps |
float
|
Ein kleiner Epsilon-Wert, um eine Division durch Null zu verhindern. Die Voreinstellung ist 1e-16. |
1e-16
|
Retouren:
Typ | Beschreibung |
---|---|
ndarray
|
Ein boolesches Array, das angibt, welche KĂ€stchen anhand der angegebenen Schwellenwerte in Frage kommen. |
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.RandomHSV
Diese Klasse ist dafĂŒr verantwortlich, zufĂ€llige Anpassungen an den HSV-KanĂ€len (Farbton, SĂ€ttigung und Wert) eines Bildes vorzunehmen. Bildes.
Die Einstellungen sind zufÀllig, aber innerhalb der Grenzen, die durch hgain, sgain und vgain festgelegt sind.
Quellcode in ultralytics/data/augment.py
__call__(labels)
Wendet eine zufÀllige HSV-ErgÀnzung auf ein Bild innerhalb der vordefinierten Grenzen an.
Das geĂ€nderte Bild ersetzt das ursprĂŒngliche Bild in der Eingabe 'labels' dict.
Quellcode in ultralytics/data/augment.py
__init__(hgain=0.5, sgain=0.5, vgain=0.5)
Initialisiere die Klasse RandomHSV mit VerstĂ€rkungen fĂŒr jeden HSV-Kanal.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
hgain |
float
|
Maximale Abweichung fĂŒr den Farbton. Standard ist 0,5. |
0.5
|
sgain |
float
|
Maximale Abweichung fĂŒr die SĂ€ttigung. Standardwert ist 0,5. |
0.5
|
vgain |
float
|
Maximale Abweichung fĂŒr den Wert. Standardwert ist 0,5. |
0.5
|
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.RandomFlip
Wendet eine zufÀllige horizontale oder vertikale Spiegelung auf ein Bild mit einer bestimmten Wahrscheinlichkeit an.
Aktualisiert auch alle Instanzen (Bounding Boxes, Keypoints usw.) entsprechend.
Quellcode in ultralytics/data/augment.py
__call__(labels)
Wendet eine zufÀllige Spiegelung auf ein Bild an und aktualisiert alle Instanzen wie Bounding Boxes oder Keypoints entsprechend.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
labels |
dict
|
Ein Wörterbuch mit den SchlĂŒsseln "img" und "instances". img" ist das zu spiegelnde Bild. instances" ist ein Objekt, das Bounding Boxes und optional Keypoints enthĂ€lt. |
erforderlich |
Retouren:
Typ | Beschreibung |
---|---|
dict
|
Das gleiche Diktat mit dem gespiegelten Bild und den aktualisierten Instanzen unter den Tasten "img" und "instances". |
Quellcode in ultralytics/data/augment.py
__init__(p=0.5, direction='horizontal', flip_idx=None)
Initialisiert die Klasse RandomFlip mit Wahrscheinlichkeit und Richtung.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
p |
float
|
Die Wahrscheinlichkeit, dass der Flip angewendet wird. Sie muss zwischen 0 und 1 liegen. 0,5 ist der Standardwert. |
0.5
|
direction |
str
|
Die Richtung, in der die Umdrehung ausgefĂŒhrt wird. Muss "horizontal" oder "vertikal" sein. Standard ist "horizontal". |
'horizontal'
|
flip_idx |
array - like
|
Indexzuordnung fĂŒr das Umdrehen von Keypoints, falls vorhanden. |
None
|
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.LetterBox
Verkleinere das Bild und fĂŒlle es fĂŒr die Erkennung, die Segmentierung der Instanz und die Pose auf.
Quellcode in ultralytics/data/augment.py
__call__(labels=None, image=None)
Bringe aktualisierte Etiketten und Bilder mit hinzugefĂŒgtem Rand zurĂŒck.
Quellcode in ultralytics/data/augment.py
__init__(new_shape=(640, 640), auto=False, scaleFill=False, scaleup=True, center=True, stride=32)
Initialisiere das LetterBox-Objekt mit bestimmten Parametern.
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.CopyPaste
Implementiert die Copy-Paste-Erweiterung, wie sie im Paper https://arxiv.org/abs/2012.07177 beschrieben ist. Diese Klasse ist fĂŒr die Anwendung der Copy-Paste-Erweiterung auf Bilder und die dazugehörigen Instanzen verantwortlich.
Quellcode in ultralytics/data/augment.py
__call__(labels)
Wendet die Copy-Paste-Erweiterung auf das angegebene Bild und die Instanzen an.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
labels |
dict
|
Ein Wörterbuch, das Folgendes enthÀlt: - 'img': Das Bild, das erweitert werden soll. - 'cls': Die Klassenbezeichnungen, die mit den Instanzen verbunden sind. - 'instances': Objekt, das Bounding Boxes und optional auch Keypoints und Segmente enthÀlt. |
erforderlich |
Retouren:
Typ | Beschreibung |
---|---|
dict
|
Dict mit erweitertem Bild und aktualisierten Instanzen unter den SchlĂŒsseln "img", "cls" und "instances". |
Anmerkungen
- Es wird erwartet, dass Instanzen "Segmente" als eines ihrer Attribute haben, damit diese Erweiterung funktioniert.
- Diese Methode Àndert das Eingabewörterbuch "labels" an Ort und Stelle.
Quellcode in ultralytics/data/augment.py
__init__(p=0.5)
Initialisiert die CopyPaste-Klasse mit einer bestimmten Wahrscheinlichkeit.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
p |
float
|
Die Wahrscheinlichkeit der Anwendung der Copy-Paste-Erweiterung. Sie muss zwischen 0 und 1 liegen. Der Standardwert ist 0,5. |
0.5
|
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.Albumentations
Albumentations-Transformationen.
Optional: Deinstalliere das Paket, um es zu deaktivieren. Wendet UnschĂ€rfe, Median-UnschĂ€rfe, Konvertierung in Graustufen, kontrastbegrenzte adaptive Histogram Equalization, zufĂ€llige Ănderung von Helligkeit und Kontrast, RandomGamma und Verringerung der BildqualitĂ€t durch Komprimierung.
Quellcode in ultralytics/data/augment.py
__call__(labels)
Erzeugt Objekterkennungen und gibt ein Wörterbuch mit den Erkennungsergebnissen zurĂŒck.
Quellcode in ultralytics/data/augment.py
__init__(p=1.0)
Initialisiere das Transformationsobjekt fĂŒr YOLO bbox-formatierte Parameter.
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.Format
Formatiert Bildkommentare fĂŒr Aufgaben der Objekterkennung, Instanzsegmentierung und PosenschĂ€tzung. Die Klasse
standardisiert die Bild- und Instanzkommentare, die von der collate_fn
in PyTorch DataLoader.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
bbox_format |
str
|
Format fĂŒr Begrenzungsrahmen. Standard ist "xywh". |
normalize |
bool
|
Ob die Bounding Boxen normalisiert werden sollen. Standard ist True. |
return_mask |
bool
|
Gibt Instanzmasken fĂŒr die Segmentierung zurĂŒck. Standard ist False. |
return_keypoint |
bool
|
Gibt Keypoints fĂŒr die Pose-SchĂ€tzung zurĂŒck. Standard ist False. |
mask_ratio |
int
|
Downsample-VerhĂ€ltnis fĂŒr Masken. Die Voreinstellung ist 4. |
mask_overlap |
bool
|
Ob sich die Masken ĂŒberlappen sollen. Standard ist True. |
batch_idx |
bool
|
Batch-Indizes beibehalten. Standard ist True. |
bgr |
float
|
Die Wahrscheinlichkeit, dass BGR-Bilder zurĂŒckgegeben werden. Standard ist 0,0. |
Quellcode in 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)
Liefert ein formatiertes Bild, Klassen, Bounding Boxes und Keypoints, die von 'collate_fn' verwendet werden können.
Quellcode in 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)
Initialisiert die Klasse Format mit den angegebenen Parametern.
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.RandomLoadText
Ziehe eine Zufallsstichprobe von positiven und negativen Texten und aktualisiere die Klassenindizes entsprechend der Anzahl der Stichproben.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
prompt_format |
str
|
Format fĂŒr die Eingabeaufforderung. Standard ist '{}'. |
neg_samples |
tuple[int]
|
Ein Ranger zur zufÀlligen Auswahl negativer Texte, Standard ist (80, 80). |
max_samples |
int
|
Die maximale Anzahl verschiedener Textmuster in einem Bild, Standard ist 80. |
padding |
bool
|
Ob Texte auf max_samples aufgefĂŒllt werden sollen. Standard ist False. |
padding_value |
str
|
Der AuffĂŒlltext. Standard ist "". |
Quellcode in 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)
Gib aktualisierte Klassen und Texte zurĂŒck.
Quellcode in ultralytics/data/augment.py
__init__(prompt_format='{}', neg_samples=(80, 80), max_samples=80, padding=False, padding_value='')
Initialisiert die Klasse RandomLoadText mit den angegebenen Parametern.
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.ClassifyLetterBox
YOLOv8 LetterBox-Klasse fĂŒr die Bildvorverarbeitung, die Teil einer Transformationspipeline sein kann, z. B., T.Compose([LetterBox(size), ToTensor()]).
Attribute:
Name | Typ | Beschreibung |
---|---|---|
h |
int
|
Zielhöhe des Bildes. |
w |
int
|
Zielbreite des Bildes. |
auto |
bool
|
Wenn True, wird die kurze Seite automatisch mit Stride gelöst. |
stride |
int
|
Der Stride-Wert, der verwendet wird, wenn "auto" True ist. |
Quellcode in ultralytics/data/augment.py
__call__(im)
Ăndert die GröĂe des Bildes und fĂŒllt es mit einer Letterbox-Methode auf.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
im |
ndarray
|
Das Eingabebild als Numpy-Array der Form HWC. |
erforderlich |
Retouren:
Typ | Beschreibung |
---|---|
ndarray
|
Das Bild mit Letterbox und verĂ€nderter GröĂe als Numpy-Array. |
Quellcode in ultralytics/data/augment.py
__init__(size=(640, 640), auto=False, stride=32)
Initialisiert die Klasse ClassifyLetterBox mit einer ZielgröĂe, einem Auto-Flag und einem Stride.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
size |
Union[int, Tuple[int, int]]
|
Die ZielmaĂe (Höhe, Breite) fĂŒr die Letterbox. |
(640, 640)
|
auto |
bool
|
Wenn True, wird die kurze Seite automatisch anhand der SchrittlÀnge berechnet. |
False
|
stride |
int
|
Der Stride-Wert, der verwendet wird, wenn "auto" True ist. |
32
|
Quellcode in ultralytics/data/augment.py
ultralytics.data.augment.CenterCrop
YOLOv8 CenterCrop-Klasse fĂŒr die Bildvorverarbeitung, die Teil einer Transformationspipeline sein kann, z. B., T.Compose([CenterCrop(size), ToTensor()]).
Quellcode in ultralytics/data/augment.py
__call__(im)
Ăndert die GröĂe und beschneidet die Mitte des Bildes mit einer Letterbox-Methode.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
im |
ndarray
|
Das Eingabebild als Numpy-Array der Form HWC. |
erforderlich |
Retouren:
Typ | Beschreibung |
---|---|
ndarray
|
Das in der Mitte beschnittene und in der GröĂe verĂ€nderte Bild als Numpy-Array. |
Quellcode in ultralytics/data/augment.py
__init__(size=640)
ultralytics.data.augment.ToTensor
YOLOv8 ToTensor-Klasse fĂŒr die Bildvorverarbeitung, d.h. T.Compose([LetterBox(size), ToTensor()]).
Quellcode in ultralytics/data/augment.py
__call__(im)
Wandelt ein Bild von einem Numpy-Array in ein PyTorch tensor um, wobei optional Halbgenauigkeit und Normalisierung angewendet werden.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
im |
ndarray
|
Eingabebild als Numpy-Array mit Form (H, W, C) in BGR-Reihenfolge. |
erforderlich |
Retouren:
Typ | Beschreibung |
---|---|
Tensor
|
Das transformierte Bild als PyTorch tensor in float32 oder float16, normalisiert auf [0, 1]. |
Quellcode in ultralytics/data/augment.py
__init__(half=False)
ultralytics.data.augment.v8_transforms(dataset, imgsz, hyp, stretch=False)
Konvertiere Bilder in eine GröĂe, die fĂŒr YOLOv8 geeignet ist.
Quellcode in 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)
Klassifizierungstransformationen fĂŒr Auswertung/Inferenz. Inspiriert von timm/data/transforms_factory.py.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
size |
int
|
BildgröĂe |
224
|
mean |
tuple
|
Mittelwerte der RGB-KanÀle |
DEFAULT_MEAN
|
std |
tuple
|
Standardwerte der RGB-KanÀle |
DEFAULT_STD
|
interpolation |
InterpolationMode
|
Interpolationsmodus. Standard ist T.InterpolationMode.BILINEAR. |
BILINEAR
|
crop_fraction |
float
|
Bruchteil des Bildes, der beschnitten werden soll. Standard ist 1.0. |
DEFAULT_CROP_FRACTION
|
Retouren:
Typ | Beschreibung |
---|---|
Compose
|
torchvision transformiert |
Quellcode in 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)
Klassifizierungstransformationen mit Augmentation fĂŒr das Training. Inspiriert von timm/data/transforms_factory.py.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
size |
int
|
BildgröĂe |
224
|
scale |
tuple
|
Skalenbereich des Bildes. Standard ist (0.08, 1.0) |
None
|
ratio |
tuple
|
SeitenverhÀltnisbereich des Bildes. Standard ist (3./4., 4./3.) |
None
|
mean |
tuple
|
Mittelwerte der RGB-KanÀle |
DEFAULT_MEAN
|
std |
tuple
|
Standardwerte der RGB-KanÀle |
DEFAULT_STD
|
hflip |
float
|
Wahrscheinlichkeit eines horizontalen Flips |
0.5
|
vflip |
float
|
Wahrscheinlichkeit eines vertikalen Flips |
0.0
|
auto_augment |
str
|
Auto-Augmentierungsrichtlinie. Kann 'randaugment', 'augmix', 'autoaugment' oder None sein. |
None
|
hsv_h |
float
|
Bild HSV-Farbton-Augmentation (Anteil) |
0.015
|
hsv_s |
float
|
Bild HSV-SĂ€ttigungsvergröĂerung (Anteil) |
0.4
|
hsv_v |
float
|
Bild HSV-Wert-Augmentation (Anteil) |
0.4
|
force_color_jitter |
bool
|
erzwingen, dass Farb-Jitter angewendet wird, auch wenn Auto-Augment aktiviert ist |
False
|
erasing |
float
|
Wahrscheinlichkeit des zufÀlligen Löschens |
0.0
|
interpolation |
InterpolationMode
|
Interpolationsmodus. Standard ist T.InterpolationMode.BILINEAR. |
BILINEAR
|
Retouren:
Typ | Beschreibung |
---|---|
Compose
|
torchvision transformiert |
Quellcode in 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 |
|
Erstellt am 2023-11-12, Aktualisiert am 2024-05-08
Autoren: Burhan-Q (1), Laughing-q (1), glenn-jocher (4)