Referenz für ultralytics/engine/results.py
Hinweis
Diese Datei ist verfügbar unter https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/engine/results .py. Wenn du ein Problem entdeckst, hilf bitte mit, es zu beheben, indem du einen Pull Request 🛠️ einreichst. Vielen Dank 🙏!
ultralytics.engine.results.BaseTensor
Basen: SimpleClass
Basisklasse tensor mit zusätzlichen Methoden für einfache Manipulation und Gerätehandhabung.
Quellcode in ultralytics/engine/results.py
shape
property
Gib die Form der Daten zurück tensor.
__getitem__(idx)
__init__(data, orig_shape)
Initialisiere BaseTensor mit Daten und der ursprünglichen Form.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
data |
Tensor | ndarray
|
Vorhersagen, wie bboxes, Masken und Keypoints. |
erforderlich |
orig_shape |
tuple
|
Ursprüngliche Form des Bildes. |
erforderlich |
Quellcode in ultralytics/engine/results.py
__len__()
cpu()
cuda()
numpy()
to(*args, **kwargs)
Gibt eine Kopie von tensor mit dem angegebenen Gerät und dtype zurück.
ultralytics.engine.results.Results
Basen: SimpleClass
Eine Klasse zum Speichern und Verarbeiten von Inferenzergebnissen.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
orig_img |
ndarray
|
Das Originalbild als Numpy-Array. |
orig_shape |
tuple
|
Ursprüngliche Bildform im Format (Höhe, Breite). |
boxes |
Boxes
|
Objekt, das die Boundingboxen der Erkennung enthält. |
masks |
Masks
|
Objekt, das Erkennungsmasken enthält. |
probs |
Probs
|
Objekt mit Klassenwahrscheinlichkeiten für Klassifizierungsaufgaben. |
keypoints |
Keypoints
|
Objekt, das die erkannten Keypoints für jedes Objekt enthält. |
speed |
dict
|
Wörterbuch der Vorverarbeitungs-, Ableitungs- und Nachverarbeitungsgeschwindigkeiten (ms/Bild). |
names |
dict
|
Wörterbuch der Klassennamen. |
path |
str
|
Pfad zur Bilddatei. |
Methoden:
Name | Beschreibung |
---|---|
update |
Aktualisiert die Objektattribute mit neuen Erkennungsergebnissen. |
cpu |
Gibt eine Kopie des Results-Objekts mit allen Tensoren im CPU-Speicher zurück. |
numpy |
Gibt eine Kopie des Results-Objekts mit allen Tensoren als Numpy-Arrays zurück. |
cuda |
Gibt eine Kopie des Results-Objekts mit allen Tensoren im GPU-Speicher zurück. |
to |
Gibt eine Kopie des Results-Objekts mit Tensoren auf einem bestimmten Gerät und dtype zurück. |
new |
Gibt ein neues Ergebnisobjekt mit demselben Bild, Pfad und Namen zurück. |
plot |
Stellt die Erkennungsergebnisse auf einem Eingabebild dar und gibt ein kommentiertes Bild zurück. |
show |
Zeige kommentierte Ergebnisse auf dem Bildschirm an. |
save |
Speichere die kommentierten Ergebnisse in einer Datei. |
verbose |
Gibt für jede Aufgabe einen Log-String zurück, in dem die Erkennungen und Klassifizierungen aufgeführt sind. |
save_txt |
Speichert die Erkennungsergebnisse in einer Textdatei. |
save_crop |
Speichert beschnittene Erkennungsbilder. |
tojson |
Konvertiert die Erkennungsergebnisse in das JSON-Format. |
Quellcode in ultralytics/engine/results.py
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 |
|
__getitem__(idx)
__init__(orig_img, path, names, boxes=None, masks=None, probs=None, keypoints=None, obb=None)
Initialisiere die Klasse Results.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
orig_img |
ndarray
|
Das Originalbild als Numpy-Array. |
erforderlich |
path |
str
|
Der Pfad zur Bilddatei. |
erforderlich |
names |
dict
|
Ein Wörterbuch mit Klassennamen. |
erforderlich |
boxes |
tensor
|
Eine 2D tensor von Bounding-Box-Koordinaten für jede Erkennung. |
None
|
masks |
tensor
|
Ein 3D tensor von Erkennungsmasken, wobei jede Maske ein Binärbild ist. |
None
|
probs |
tensor
|
Eine 1D tensor der Wahrscheinlichkeiten jeder Klasse für die Klassifizierungsaufgabe. |
None
|
keypoints |
tensor
|
Eine 2D tensor von Keypoint-Koordinaten für jede Erkennung. |
None
|
obb |
tensor
|
Eine 2D tensor von orientierten Bounding-Box-Koordinaten für jede Erkennung. |
None
|
Quellcode in ultralytics/engine/results.py
__len__()
cpu()
cuda()
new()
numpy()
plot(conf=True, line_width=None, font_size=None, font='Arial.ttf', pil=False, img=None, im_gpu=None, kpt_radius=5, kpt_line=True, labels=True, boxes=True, masks=True, probs=True, show=False, save=False, filename=None)
Stellt die Erkennungsergebnisse auf einem RGB-Eingabebild dar. Akzeptiert ein Numpy-Array (cv2) oder ein PIL-Bild.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
conf |
bool
|
Ob die Erkennungswahrscheinlichkeit dargestellt werden soll. |
True
|
line_width |
float
|
Die Linienbreite der Begrenzungsrahmen. Wenn keine, wird sie auf die Bildgröße skaliert. |
None
|
font_size |
float
|
Die Schriftgröße des Textes. Wenn keine, wird sie auf die Bildgröße skaliert. |
None
|
font |
str
|
Die Schriftart, die für den Text verwendet werden soll. |
'Arial.ttf'
|
pil |
bool
|
Ob das Bild als PIL-Bild zurückgegeben werden soll. |
False
|
img |
ndarray
|
Plotte ein anderes Bild. Wenn nicht, plotte das Originalbild. |
None
|
im_gpu |
Tensor
|
Normalisiertes Bild in gpu mit der Form (1, 3, 640, 640), damit die Maske schneller geplottet werden kann. |
None
|
kpt_radius |
int
|
Radius der gezeichneten Keypoints. Standard ist 5. |
5
|
kpt_line |
bool
|
Ob Linien gezeichnet werden sollen, die Keypoints verbinden. |
True
|
labels |
bool
|
Ob die Beschriftung der Begrenzungsrahmen gezeichnet werden soll. |
True
|
boxes |
bool
|
Ob die Begrenzungsrahmen gezeichnet werden sollen. |
True
|
masks |
bool
|
Ob die Masken geplottet werden sollen. |
True
|
probs |
bool
|
Ob die Klassifizierungswahrscheinlichkeit gezeichnet werden soll |
True
|
show |
bool
|
Ob das kommentierte Bild direkt angezeigt werden soll. |
False
|
save |
bool
|
Ob das mit Anmerkungen versehene Bild gespeichert werden soll |
False
|
filename |
str
|
Dateiname, unter dem das Bild gespeichert werden soll, wenn Speichern auf True steht. |
None
|
Retouren:
Typ | Beschreibung |
---|---|
ndarray
|
Ein Numpy-Array mit dem kommentierten Bild. |
Beispiel
from PIL import Image
from ultralytics import YOLO
model = YOLO('yolov8n.pt')
results = model('bus.jpg') # results list
for r in results:
im_array = r.plot() # plot a BGR numpy array of predictions
im = Image.fromarray(im_array[..., ::-1]) # RGB PIL image
im.show() # show image
im.save('results.jpg') # save image
Quellcode in ultralytics/engine/results.py
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 |
|
save(filename=None, *args, **kwargs)
Speichere das Bild mit den kommentierten Ergebnissen.
save_crop(save_dir, file_name=Path('im.jpg'))
Ausgeschnittene Vorhersagen speichern in save_dir/cls/file_name.jpg
.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
save_dir |
str | Path
|
Pfad speichern. |
erforderlich |
file_name |
str | Path
|
Dateiname. |
Path('im.jpg')
|
Quellcode in ultralytics/engine/results.py
save_txt(txt_file, save_conf=False)
Speichere die Vorhersagen in einer txt-Datei.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
txt_file |
str
|
txt-Dateipfad. |
erforderlich |
save_conf |
bool
|
Vertrauenspunkte speichern oder nicht. |
False
|
Quellcode in ultralytics/engine/results.py
show(*args, **kwargs)
summary(normalize=False, decimals=5)
Konvertiere die Ergebnisse in ein zusammengefasstes Format.
Quellcode in ultralytics/engine/results.py
to(*args, **kwargs)
Gibt eine Kopie des Results-Objekts mit Tensoren auf dem angegebenen Gerät und dtype zurück.
tojson(normalize=False, decimals=5)
update(boxes=None, masks=None, probs=None, obb=None)
Aktualisiere die Boxen, Masken und Probs-Attribute des Ergebnisobjekts.
Quellcode in ultralytics/engine/results.py
verbose()
Gib für jede Aufgabe einen Log-String zurück.
Quellcode in ultralytics/engine/results.py
ultralytics.engine.results.Boxes
Basen: BaseTensor
Verwaltet die Erkennungsboxen und ermöglicht den einfachen Zugriff auf und die Bearbeitung von Box-Koordinaten, Konfidenzwerten, Klassen Identifikatoren und optionalen Tracking-IDs. Unterstützt mehrere Formate für Feldkoordinaten, darunter absolute und normalisierte Formen.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
data |
Tensor
|
Die Rohdaten tensor enthalten die Erkennungsfelder und die dazugehörigen Daten. |
orig_shape |
tuple
|
Die ursprüngliche Bildgröße als Tupel (Höhe, Breite), die für die Normalisierung verwendet wird. |
is_track |
bool
|
Gibt an, ob Tracking-IDs in den Box-Daten enthalten sind. |
Eigenschaften
xyxy (torch.Tensor | numpy.ndarray): Boxen im Format [x1, y1, x2, y2].
conf (torch.Tensor | numpy.ndarray): Konfidenzwerte für jede Box.
cls (torch.Tensor | numpy.ndarray): Klassenbezeichnungen für jede Box.
id (torch.Tensor | numpy.ndarray, optional): Tracking-IDs für jede Box, falls vorhanden.
xywh (torch.Tensor | numpy.ndarray): Boxen im Format [x, y, Breite, Höhe], die bei Bedarf berechnet werden.
xyxyn (torch.Tensor | numpy.ndarray): Normalisierte [x1, y1, x2, y2] Boxen, relativ zu orig_shape
.
xywhn (torch.Tensor | numpy.ndarray): Normalisierte [x, y, Breite, Höhe] Boxen, relativ zu orig_shape
.
Methoden:
Name | Beschreibung |
---|---|
cpu |
Verschiebt die Boxen in den CPU-Speicher. |
numpy |
Konvertiert die Boxen in ein Numpy-Array-Format. |
cuda |
Verschiebt die Boxen in den CUDA (GPU) Speicher. |
to |
Verschiebt die Boxen auf das angegebene Gerät. |
Quellcode in ultralytics/engine/results.py
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 |
|
cls
property
Gib die Klassenwerte der Boxen zurück.
conf
property
Gib die Konfidenzwerte der Boxen zurück.
id
property
Gib die Track-IDs der Boxen zurück (falls verfügbar).
xywh
cached
property
Gib die Boxen im xywh-Format zurück.
xywhn
cached
property
Gibt die Boxen im xywh-Format zurück, normalisiert auf die ursprüngliche Bildgröße.
xyxy
property
Gib die Felder im xyxy-Format zurück.
xyxyn
cached
property
Gibt die Boxen im xyxy-Format zurück, normalisiert auf die ursprüngliche Bildgröße.
__init__(boxes, orig_shape)
Initialisiere die Klasse Boxen.
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
boxes |
Tensor | ndarray
|
Ein tensor oder Numpy-Array, das die Erkennungsboxen enthält, mit Form (num_boxes, 6) oder (num_boxes, 7). Die letzten beiden Spalten enthalten Konfidenz- und Klassenwerte. Falls vorhanden, enthält die drittletzte Spalte die Track-IDs. |
erforderlich |
orig_shape |
tuple
|
Originalgröße des Bildes, im Format (Höhe, Breite). |
erforderlich |
Quellcode in ultralytics/engine/results.py
ultralytics.engine.results.Masks
Basen: BaseTensor
Eine Klasse zum Speichern und Bearbeiten von Erkennungsmasken.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
xy |
list
|
Eine Liste von Segmenten in Pixelkoordinaten. |
xyn |
list
|
Eine Liste von normalisierten Segmenten. |
Methoden:
Name | Beschreibung |
---|---|
cpu |
Gibt die Masken tensor im CPU-Speicher zurück. |
numpy |
Gibt die Masken tensor als Numpy-Array zurück. |
cuda |
Gibt die Masken tensor im GPU-Speicher zurück. |
to |
Gibt die Masken tensor mit dem angegebenen Gerät und dtype zurück. |
Quellcode in ultralytics/engine/results.py
xy
cached
property
Gib die Segmente in Pixelkoordinaten zurück.
xyn
cached
property
Gib normalisierte Segmente zurück.
__init__(masks, orig_shape)
Initialisiere die Klasse "Masken" mit den angegebenen Masken tensor und der ursprünglichen Bildform.
ultralytics.engine.results.Keypoints
Basen: BaseTensor
Eine Klasse zum Speichern und Bearbeiten von Erkennungsmerkmalen.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
xy |
Tensor
|
Eine Sammlung von Keypoints, die x- und y-Koordinaten für jede Erkennung enthält. |
xyn |
Tensor
|
Eine normalisierte Version von xy mit Koordinaten im Bereich [0, 1]. |
conf |
Tensor
|
Konfidenzwerte, die mit Keypoints verknüpft sind, falls vorhanden, sonst Keine. |
Methoden:
Name | Beschreibung |
---|---|
cpu |
Gibt eine Kopie der Keypoints tensor im CPU-Speicher zurück. |
numpy |
Gibt eine Kopie der Keypoints tensor als Numpy-Array zurück. |
cuda |
Gibt eine Kopie der Keypoints tensor im GPU-Speicher zurück. |
to |
Gibt eine Kopie der Keypoints tensor mit dem angegebenen Gerät und dtype zurück. |
Quellcode in ultralytics/engine/results.py
conf
cached
property
Gibt die Konfidenzwerte der Keypoints zurück, falls vorhanden, sonst keine.
xy
cached
property
Gibt die x- und y-Koordinaten der Keypoints zurück.
xyn
cached
property
Gibt die normalisierten x- und y-Koordinaten der Keypoints zurück.
__init__(keypoints, orig_shape)
Initialisiert das Keypoints-Objekt mit Erkennungskeypunkten und der ursprünglichen Bildgröße.
Quellcode in ultralytics/engine/results.py
ultralytics.engine.results.Probs
Basen: BaseTensor
Eine Klasse zum Speichern und Verarbeiten von Klassifizierungsvorhersagen.
Attribute:
Name | Typ | Beschreibung |
---|---|---|
top1 |
int
|
Index der Top 1 Klasse. |
top5 |
list[int]
|
Indizes der Top 5 Klassen. |
top1conf |
Tensor
|
Vertrauen in die Top 1 Klasse. |
top5conf |
Tensor
|
Vertraulichkeiten der Top 5 Klassen. |
Methoden:
Name | Beschreibung |
---|---|
cpu |
Gibt eine Kopie der Probs tensor im CPU-Speicher zurück. |
numpy |
Gibt eine Kopie der Probs tensor als Numpy-Array zurück. |
cuda |
Gibt eine Kopie der Probs tensor im GPU-Speicher zurück. |
to |
Gibt eine Kopie der probs tensor mit dem angegebenen Gerät und dtype zurück. |
Quellcode in ultralytics/engine/results.py
top1
cached
property
Gib den Index von Top 1 zurück.
top1conf
cached
property
Gib die Konfidenz von Top 1 zurück.
top5
cached
property
Gib die Indizes der Top 5 zurück.
top5conf
cached
property
Gib die Vertraulichkeiten der Top 5 zurück.
__init__(probs, orig_shape=None)
Initialisiere die Klasse Probs mit Klassifizierungswahrscheinlichkeiten und der optionalen Originalform des Bildes.
ultralytics.engine.results.OBB
Basen: BaseTensor
Eine Klasse zum Speichern und Bearbeiten von Oriented Bounding Boxes (OBB).
Parameter:
Name | Typ | Beschreibung | Standard |
---|---|---|---|
boxes |
Tensor | ndarray
|
Ein tensor oder numpy-Array, das die Erkennungsboxen enthält, mit der Form (num_boxes, 7) oder (num_boxes, 8). Die letzten beiden Spalten enthalten Konfidenz- und Klassenwerte. Falls vorhanden, enthält die drittletzte Spalte die Track-IDs und die fünfte Spalte von links die Rotation. |
erforderlich |
orig_shape |
tuple
|
Originalgröße des Bildes, im Format (Höhe, Breite). |
erforderlich |
Attribute:
Name | Typ | Beschreibung |
---|---|---|
xywhr |
Tensor | ndarray
|
Die Boxen im Format [x_center, y_center, width, height, rotation]. |
conf |
Tensor | ndarray
|
Die Konfidenzwerte der Boxen. |
cls |
Tensor | ndarray
|
Die Klassenwerte der Boxen. |
id |
Tensor | ndarray
|
Die Track-IDs der Boxen (falls verfügbar). |
xyxyxyxyn |
Tensor | ndarray
|
Die gedrehten Boxen im xyxyxyxy-Format, normalisiert auf die ursprüngliche Bildgröße. |
xyxyxyxy |
Tensor | ndarray
|
Die gedrehten Boxen im xyxyxyxy-Format. |
xyxy |
Tensor | ndarray
|
Die horizontalen Kästchen im Format xyxyxyxyxy. |
data |
Tensor
|
Der Roh-OBB tensor (Alias für |
Methoden:
Name | Beschreibung |
---|---|
cpu |
Verschiebe das Objekt in den CPU-Speicher. |
numpy |
Wandle das Objekt in ein Numpy-Array um. |
cuda |
Verschiebe das Objekt in den CUDA Speicher. |
to |
Verschiebe das Objekt an das angegebene Gerät. |
Quellcode in ultralytics/engine/results.py
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 |
|
cls
property
Gib die Klassenwerte der Boxen zurück.
conf
property
Gib die Konfidenzwerte der Boxen zurück.
id
property
Gib die Track-IDs der Boxen zurück (falls verfügbar).
xywhr
property
Gibt die gedrehten Boxen im xywhr-Format zurück.
xyxy
cached
property
Gib die horizontalen Kästchen im xyxy-Format zurück (N, 4).
Akzeptiert sowohl torch als auch Numpy-Boxen.
xyxyxyxy
cached
property
Gib die Kästchen im Format xyxyxyxy zurück, (N, 4, 2).
xyxyxyxyn
cached
property
Gib die Kästchen im Format xyxyxyxy zurück, (N, 4, 2).
__init__(boxes, orig_shape)
Initialisiere die Klasse Boxen.
Quellcode in ultralytics/engine/results.py
Erstellt am 2023-11-12, Aktualisiert am 2024-05-08
Autoren: Burhan-Q (1), glenn-jocher (4), Laughing-q (1)