Referencia para ultralytics/nn/modules/head.py
Nota
Este archivo está disponible en https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/nn/modules/head .py. Si detectas algún problema, por favor, ayuda a solucionarlo contribuyendo con una Pull Request 🛠️. ¡Gracias 🙏!
ultralytics.nn.modules.head.Detect
Bases: Module
YOLOv8 Detectar cabeza para modelos de detección.
Código fuente en ultralytics/nn/modules/head.py
__init__(nc=80, ch=())
Inicializa la capa de detección YOLOv8 con el número especificado de clases y canales.
Código fuente en ultralytics/nn/modules/head.py
bias_init()
Inicializar los sesgos de Detect(), ADVERTENCIA: requiere disponibilidad de stride.
Código fuente en ultralytics/nn/modules/head.py
decode_bboxes(bboxes, anchors)
forward(x)
Concatena y devuelve los cuadros delimitadores previstos y las probabilidades de clase.
Código fuente en ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Segment
Bases: Detect
YOLOv8 Cabeza de segmento para modelos de segmentación.
Código fuente en ultralytics/nn/modules/head.py
__init__(nc=80, nm=32, npr=256, ch=())
Inicializa los atributos del modelo YOLO , como el número de máscaras, prototipos y las capas de convolución.
Código fuente en ultralytics/nn/modules/head.py
forward(x)
Devuelve las salidas del modelo y los coeficientes de la máscara si se está entrenando; en caso contrario, devuelve las salidas y los coeficientes de la máscara.
Código fuente en ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.OBB
Bases: Detect
YOLOv8 Cabezal de detección OBB para la detección con modelos de rotación.
Código fuente en ultralytics/nn/modules/head.py
__init__(nc=80, ne=1, ch=())
Inicializar OBB con número de clases nc
y canales de capas ch
.
Código fuente en ultralytics/nn/modules/head.py
decode_bboxes(bboxes, anchors)
forward(x)
Concatena y devuelve los cuadros delimitadores previstos y las probabilidades de clase.
Código fuente en ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Pose
Bases: Detect
YOLOv8 Cabeza de pose para modelos de puntos clave.
Código fuente en ultralytics/nn/modules/head.py
__init__(nc=80, kpt_shape=(17, 3), ch=())
Inicializa la red YOLO con los parámetros por defecto y las Capas Convolucionales.
Código fuente en ultralytics/nn/modules/head.py
forward(x)
Realiza el paso hacia delante a través del modelo YOLO y devuelve las predicciones.
Código fuente en ultralytics/nn/modules/head.py
kpts_decode(bs, kpts)
Descodifica los puntos clave.
Código fuente en ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Classify
Bases: Module
YOLOv8 cabeza de clasificación, es decir, de x(b,c1,20,20) a x(b,c2).
Código fuente en ultralytics/nn/modules/head.py
__init__(c1, c2, k=1, s=1, p=None, g=1)
Inicializa el cabezal de clasificación YOLOv8 con los canales de entrada y salida especificados, el tamaño del núcleo, el stride relleno y grupos.
Código fuente en ultralytics/nn/modules/head.py
forward(x)
Realiza una pasada hacia delante del modelo YOLO sobre los datos de imagen de entrada.
Código fuente en ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.WorldDetect
Bases: Detect
Código fuente en ultralytics/nn/modules/head.py
__init__(nc=80, embed=512, with_bn=False, ch=())
Inicializa la capa de detección YOLOv8 con las clases nc y los canales de capa ch.
Código fuente en ultralytics/nn/modules/head.py
bias_init()
Inicializar los sesgos de Detect(), ADVERTENCIA: requiere disponibilidad de stride.
Código fuente en ultralytics/nn/modules/head.py
forward(x, text)
Concatena y devuelve los cuadros delimitadores previstos y las probabilidades de clase.
Código fuente en ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.RTDETRDecoder
Bases: Module
Módulo Decodificador de Transformadas Deformables en Tiempo Real (RTDETRDecoder) para la detección de objetos.
Este módulo descodificador utiliza la arquitectura Transformer junto con convoluciones deformables para predecir recuadros delimitadores y etiquetas de clase para los objetos de una imagen. Integra características de múltiples capas y las ejecuta a través de una serie de capas decodificadoras Transformer para dar como resultado las predicciones finales. capas decodificadoras Transformer para obtener las predicciones finales.
Código fuente en ultralytics/nn/modules/head.py
261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 |
|
__init__(nc=80, ch=(512, 1024, 2048), hd=256, nq=300, ndp=4, nh=8, ndl=6, d_ffn=1024, dropout=0.0, act=nn.ReLU(), eval_idx=-1, nd=100, label_noise_ratio=0.5, box_noise_scale=1.0, learnt_init_query=False)
Inicializa el módulo RTDETRDecodificador con los parámetros dados.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
nc |
int
|
Número de clases. Por defecto es 80. |
80
|
ch |
tuple
|
Canales en los mapas de características de la red troncal. Por defecto es (512, 1024, 2048). |
(512, 1024, 2048)
|
hd |
int
|
Dimensión de las capas ocultas. Por defecto es 256. |
256
|
nq |
int
|
Número de puntos de consulta. Por defecto es 300. |
300
|
ndp |
int
|
Número de puntos del descodificador. Por defecto son 4. |
4
|
nh |
int
|
Número de cabezales en la atención multicabezal. Por defecto es 8. |
8
|
ndl |
int
|
Número de capas del descodificador. Por defecto es 6. |
6
|
d_ffn |
int
|
Dimensión de las redes feed-forward. Por defecto es 1024. |
1024
|
dropout |
float
|
Tasa de abandono. Por defecto es 0. |
0.0
|
act |
Module
|
Función de activación. Por defecto es nn.ReLU. |
ReLU()
|
eval_idx |
int
|
Índice de evaluación. Por defecto es -1. |
-1
|
nd |
int
|
Número de eliminación de ruido. Por defecto es 100. |
100
|
label_noise_ratio |
float
|
Relación de ruido de la etiqueta. Por defecto es 0,5. |
0.5
|
box_noise_scale |
float
|
Escala de ruido de la caja. Por defecto es 1,0. |
1.0
|
learnt_init_query |
bool
|
Si se aprenden las incrustaciones iniciales de la consulta. Por defecto es Falso. |
False
|
Código fuente en ultralytics/nn/modules/head.py
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 |
|
forward(x, batch=None)
Ejecuta el paso hacia delante del módulo, devolviendo el cuadro delimitador y las puntuaciones de clasificación de la entrada.