Referencia para ultralytics/utils/metrics.py
Nota
Este archivo está disponible en https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/metrics .py. Si detectas algún problema, por favor, ayuda a solucionarlo contribuyendo con una Pull Request 🛠️. ¡Gracias 🙏!
ultralytics.utils.metrics.ConfusionMatrix
Una clase para calcular y actualizar una matriz de confusión para tareas de detección y clasificación de objetos.
Atributos:
Nombre | Tipo | Descripción |
---|---|---|
task |
str
|
El tipo de tarea, "detectar" o "clasificar". |
matrix |
ndarray
|
La matriz de confusión, con dimensiones que dependen de la tarea. |
nc |
int
|
El número de clases. |
conf |
float
|
El umbral de confianza para las detecciones. |
iou_thres |
float
|
La intersección sobre el umbral de la Unión. |
Código fuente en 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')
Inicializa los atributos del modelo YOLO .
Código fuente en ultralytics/utils/metrics.py
matrix()
plot(normalize=True, save_dir='', names=(), on_plot=None)
Traza la matriz de confusión con seaborn y guárdala en un archivo.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
normalize |
bool
|
Si se normaliza la matriz de confusión. |
True
|
save_dir |
str
|
Directorio donde se guardará la trama. |
''
|
names |
tuple
|
Nombres de las clases, utilizados como etiquetas en el gráfico. |
()
|
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. |
None
|
Código fuente en ultralytics/utils/metrics.py
print()
process_batch(detections, gt_bboxes, gt_cls)
Actualiza la matriz de confusión para la tarea de detección de objetos.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
detections |
Array[N, 6] | Array[N, 7]
|
Cuadros delimitadores detectados y su información asociada.
Cada fila debe contener (x1, y1, x2, y2, conf, clase)
o con un elemento adicional |
necesario |
gt_bboxes |
Array[M, 4] | Array[N, 5]
|
Cuadros delimitadores de la verdad sobre el terreno con formato xyxy/xyxyr. |
necesario |
gt_cls |
Array[M]
|
Las etiquetas de clase. |
necesario |
Código fuente en ultralytics/utils/metrics.py
process_cls_preds(preds, targets)
Actualiza la matriz de confusión para la tarea de clasificación.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
preds |
Array[N, min(nc, 5)]
|
Etiquetas de clase predichas. |
necesario |
targets |
Array[N, 1]
|
Etiquetas de clase de la verdad sobre el terreno. |
necesario |
Código fuente en ultralytics/utils/metrics.py
tp_fp()
Devuelve verdaderos positivos y falsos positivos.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.Metric
Bases: SimpleClass
Clase para calcular las métricas de evaluación del modelo YOLOv8 .
Atributos:
Nombre | Tipo | Descripción |
---|---|---|
p |
list
|
Precisión para cada clase. Forma: (nc,). |
r |
list
|
Recordatorio para cada clase. Forma: (nc,). |
f1 |
list
|
Puntuación F1 de cada clase. Forma: (nc,). |
all_ap |
list
|
Puntuaciones AP para todas las clases y todos los umbrales IoU. Forma: (nc, 10). |
ap_class_index |
list
|
Índice de clase para cada puntuación AP. Forma: (nc,). |
nc |
int
|
Número de clases. |
Métodos:
Nombre | Descripción |
---|---|
ap50 |
AP en el umbral IoU de 0,5 para todas las clases. Devuelve: Lista de puntuaciones AP. Forma: (nc,) o []. |
ap |
AP en umbrales de IoU de 0,5 a 0,95 para todas las clases. Devuelve: Lista de puntuaciones AP. Forma: (nc,) o []. |
mp |
Precisión media de todas las clases. Devuelve: Flotante. |
mr |
Recuerdo medio de todas las clases. Devuelve: Flotante. |
map50 |
AP medio en el umbral de IoU de 0,5 para todas las clases. Devuelve: Flotante. |
map75 |
AP medio en el umbral IoU de 0,75 para todas las clases. Devuelve: Flotante. |
map |
AP medio en umbrales de IoU de 0,5 a 0,95 para todas las clases. Devuelve: Flotante. |
mean_results |
Media de resultados, devuelve mp, mr, map50, map. |
class_result |
Resultado con clase, devuelve p[i], r[i], ap50[i], ap[i]. |
maps |
mAP de cada clase. Devuelve: Matriz de puntuaciones mAP, forma: (nc,). |
fitness |
Aptitud del modelo como combinación ponderada de métricas. Devuelve: Flotante. |
update |
Actualiza los atributos métricos con los nuevos resultados de la evaluación. |
Código fuente en 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
Devuelve la Precisión Media (PA) en un umbral de IoU de 0,5-0,95 para todas las clases.
Devuelve:
Tipo | Descripción |
---|---|
(ndarray, list)
|
Matriz de formas (nc,) con valores AP50-95 por clase, o una lista vacía si no están disponibles. |
ap50
property
Devuelve la Precisión Media (PA) en un umbral de IoU de 0,5 para todas las clases.
Devuelve:
Tipo | Descripción |
---|---|
(ndarray, list)
|
Matriz de formas (nc,) con valores AP50 por clase, o una lista vacía si no están disponibles. |
curves
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
curves_results
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
map
property
Devuelve la precisión media media (mAP) sobre umbrales IoU de 0,5 - 0,95 en pasos de 0,05.
Devuelve:
Tipo | Descripción |
---|---|
float
|
El mAP sobre umbrales IoU de 0,5 - 0,95 en pasos de 0,05. |
map50
property
Devuelve la precisión media media (mAP) con un umbral de IoU de 0,5.
Devuelve:
Tipo | Descripción |
---|---|
float
|
El mAP en un umbral de IoU de 0,5. |
map75
property
Devuelve la precisión media media (mAP) con un umbral de IoU de 0,75.
Devuelve:
Tipo | Descripción |
---|---|
float
|
El mAP en un umbral de IoU de 0,75. |
maps
property
MAPA de cada clase.
mp
property
Devuelve la Precisión Media de todas las clases.
Devuelve:
Tipo | Descripción |
---|---|
float
|
La precisión media de todas las clases. |
mr
property
Devuelve la Recuperación Media de todas las clases.
Devuelve:
Tipo | Descripción |
---|---|
float
|
El recuerdo medio de todas las clases. |
__init__()
Inicializa una instancia de Métrica para calcular las métricas de evaluación del modelo YOLOv8 .
Código fuente en ultralytics/utils/metrics.py
class_result(i)
fitness()
Modela la aptitud como una combinación ponderada de métricas.
mean_results()
update(results)
Actualiza las métricas de evaluación del modelo con un nuevo conjunto de resultados.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
results |
tuple
|
Una tupla que contiene las siguientes métricas de evaluación: - p (lista): Precisión para cada clase. Forma: (nc,). - r (lista): Recuperación de cada clase. Forma: (nc,). - f1 (lista): Puntuación F1 de cada clase. Forma: (nc,). - all_ap (lista): Puntuaciones AP para todas las clases y todos los umbrales IoU. Forma: (nc, 10). - índice_clase_ap (lista): Índice de clase para cada puntuación AP. Forma: (nc,). |
necesario |
Efectos secundarios
Actualiza los atributos de la clase self.p
, self.r
, self.f1
, self.all_ap
y self.ap_class_index
basado
en los valores proporcionados en el results
tupla.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.DetMetrics
Bases: SimpleClass
Esta clase es una clase de utilidad para calcular métricas de detección como la precisión, la recuperación y la precisión media promedio (mAP) de un modelo de detección de objetos.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
save_dir |
Path
|
Una ruta al directorio donde se guardarán los gráficos de salida. Por defecto es el directorio actual. |
Path('.')
|
plot |
bool
|
Bandera que indica si se trazan curvas de precisión-recuerdo para cada clase. Por defecto es Falso. |
False
|
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. Por defecto es Ninguno. |
None
|
names |
tuple of str
|
Una tupla de cadenas que representa los nombres de las clases. Por defecto es una tupla vacía. |
()
|
Atributos:
Nombre | Tipo | Descripción |
---|---|---|
save_dir |
Path
|
Una ruta al directorio donde se guardarán los gráficos de salida. |
plot |
bool
|
Bandera que indica si se trazan las curvas de precisión-recuerdo de cada clase. |
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. |
names |
tuple of str
|
Una tupla de cadenas que representa los nombres de las clases. |
box |
Metric
|
Una instancia de la clase Métrica para almacenar los resultados de las métricas de detección. |
speed |
dict
|
Un diccionario para almacenar el tiempo de ejecución de las distintas partes del proceso de detección. |
Métodos:
Nombre | Descripción |
---|---|
process |
Actualiza los resultados de la métrica con el último lote de predicciones. |
keys |
Devuelve una lista de claves para acceder a las métricas de detección calculadas. |
mean_results |
Devuelve una lista de valores medios de las métricas de detección calculadas. |
class_result |
Devuelve una lista de valores de las métricas de detección calculadas para una clase concreta. |
maps |
Devuelve un diccionario de valores de precisión media (mAP) para distintos umbrales de IoU. |
fitness |
Calcula la puntuación de aptitud en función de las métricas de detección calculadas. |
ap_class_index |
Devuelve una lista de índices de clase ordenados por sus valores de precisión media (AP). |
results_dict |
Devuelve un diccionario que asigna las claves de la métrica de detección a sus valores calculados. |
curves |
TODO |
curves_results |
TODO |
Código fuente en ultralytics/utils/metrics.py
792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 |
|
ap_class_index
property
Devuelve el índice medio de precisión por clase.
curves
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
curves_results
property
Devuelve el diccionario de métricas y estadísticas de rendimiento calculadas.
fitness
property
Devuelve la aptitud del objeto caja.
keys
property
Devuelve una lista de claves para acceder a métricas concretas.
maps
property
Devuelve las puntuaciones medias de Precisión Media (mAP) por clase.
results_dict
property
Devuelve el diccionario de métricas y estadísticas de rendimiento calculadas.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Inicializa una instancia de DetMetrics con un directorio de guardado, una bandera de trazado, una función de llamada de retorno y los nombres de las clases.
Código fuente en ultralytics/utils/metrics.py
class_result(i)
Devuelve el resultado de evaluar el rendimiento de un modelo de detección de objetos en una clase concreta.
mean_results()
process(tp, conf, pred_cls, target_cls)
Procesa los resultados previstos para la detección de objetos y actualiza las métricas.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.SegmentMetrics
Bases: SimpleClass
Calcula y agrega métricas de detección y segmentación sobre un conjunto dado de clases.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
save_dir |
Path
|
Ruta al directorio donde deben guardarse los gráficos de salida. Por defecto es el directorio actual. |
Path('.')
|
plot |
bool
|
Si se guardan los gráficos de detección y segmentación. Por defecto es Falso. |
False
|
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. Por defecto es Ninguno. |
None
|
names |
list
|
Lista de nombres de clases. Por defecto es una lista vacía. |
()
|
Atributos:
Nombre | Tipo | Descripción |
---|---|---|
save_dir |
Path
|
Ruta al directorio donde deben guardarse los gráficos de salida. |
plot |
bool
|
Si se guardan los trazados de detección y segmentación. |
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. |
names |
list
|
Lista de nombres de clase. |
box |
Metric
|
Una instancia de la clase Métrica para calcular las métricas de detección de cajas. |
seg |
Metric
|
Una instancia de la clase Métrica para calcular las métricas de segmentación de la máscara. |
speed |
dict
|
Diccionario para almacenar el tiempo empleado en las distintas fases de la inferencia. |
Métodos:
Nombre | Descripción |
---|---|
process |
Procesa métricas sobre el conjunto de predicciones dado. |
mean_results |
Devuelve la media de las métricas de detección y segmentación de todas las clases. |
class_result |
Devuelve las métricas de detección y segmentación de la clase |
maps |
Devuelve las puntuaciones medias de Precisión Media (mAP) para umbrales de IoU comprendidos entre 0,50 y 0,95. |
fitness |
Devuelve las puntuaciones de aptitud, que son una única combinación ponderada de métricas. |
ap_class_index |
Devuelve la lista de índices de las clases utilizadas para calcular la Precisión Media (PA). |
results_dict |
Devuelve el diccionario que contiene todas las métricas de detección y segmentación y la puntuación de aptitud. |
Código fuente en 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
Las cajas y las máscaras tienen el mismo ap_class_index.
curves
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
curves_results
property
Devuelve el diccionario de métricas y estadísticas de rendimiento calculadas.
fitness
property
Obtén la puntuación de aptitud de los modelos de segmentación y de cuadro delimitador.
keys
property
Devuelve una lista de claves para acceder a las métricas.
maps
property
Devuelve las puntuaciones mAP de los modelos de detección de objetos y segmentación semántica.
results_dict
property
Devuelve los resultados del modelo de detección de objetos para su evaluación.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Inicializa una instancia de SegmentMetrics con un directorio de guardado, una bandera de trazado, una función de llamada de retorno y nombres de clase.
Código fuente en ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_m, conf, pred_cls, target_cls)
Procesa las métricas de detección y segmentación sobre el conjunto de predicciones dado.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
tp |
list
|
Lista de casillas Verdadero Positivo. |
necesario |
tp_m |
list
|
Lista de máscaras Verdaderamente Positivas. |
necesario |
conf |
list
|
Lista de puntuaciones de confianza. |
necesario |
pred_cls |
list
|
Lista de clases previstas. |
necesario |
target_cls |
list
|
Lista de clases objetivo. |
necesario |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.PoseMetrics
Bases: SegmentMetrics
Calcula y agrega métricas de detección y pose sobre un conjunto dado de clases.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
save_dir |
Path
|
Ruta al directorio donde deben guardarse los gráficos de salida. Por defecto es el directorio actual. |
Path('.')
|
plot |
bool
|
Si se guardan los gráficos de detección y segmentación. Por defecto es Falso. |
False
|
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. Por defecto es Ninguno. |
None
|
names |
list
|
Lista de nombres de clases. Por defecto es una lista vacía. |
()
|
Atributos:
Nombre | Tipo | Descripción |
---|---|---|
save_dir |
Path
|
Ruta al directorio donde deben guardarse los gráficos de salida. |
plot |
bool
|
Si se guardan los trazados de detección y segmentación. |
on_plot |
func
|
Una llamada de retorno opcional para pasar la ruta de las tramas y los datos cuando se renderizan. |
names |
list
|
Lista de nombres de clase. |
box |
Metric
|
Una instancia de la clase Métrica para calcular las métricas de detección de cajas. |
pose |
Metric
|
Una instancia de la clase Métrica para calcular las métricas de segmentación de la máscara. |
speed |
dict
|
Diccionario para almacenar el tiempo empleado en las distintas fases de la inferencia. |
Métodos:
Nombre | Descripción |
---|---|
process |
Procesa métricas sobre el conjunto de predicciones dado. |
mean_results |
Devuelve la media de las métricas de detección y segmentación de todas las clases. |
class_result |
Devuelve las métricas de detección y segmentación de la clase |
maps |
Devuelve las puntuaciones medias de Precisión Media (mAP) para umbrales de IoU comprendidos entre 0,50 y 0,95. |
fitness |
Devuelve las puntuaciones de aptitud, que son una única combinación ponderada de métricas. |
ap_class_index |
Devuelve la lista de índices de las clases utilizadas para calcular la Precisión Media (PA). |
results_dict |
Devuelve el diccionario que contiene todas las métricas de detección y segmentación y la puntuación de aptitud. |
Código fuente en 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
Devuelve una lista de curvas para acceder a curvas métricas concretas.
curves_results
property
Devuelve el diccionario de métricas y estadísticas de rendimiento calculadas.
fitness
property
Calcula las métricas de clasificación y la velocidad utilizando el targets
y pred
entradas.
keys
property
Devuelve la lista de claves métricas de evaluación.
maps
property
Devuelve la precisión media (mAP) por clase para las detecciones de caja y pose.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Inicializa la clase PoseMetrics con la ruta del directorio, los nombres de las clases y las opciones de trazado.
Código fuente en ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_p, conf, pred_cls, target_cls)
Procesa las métricas de detección y pose sobre el conjunto de predicciones dado.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
tp |
list
|
Lista de casillas Verdadero Positivo. |
necesario |
tp_p |
list
|
Lista de puntos clave Verdaderamente Positivos. |
necesario |
conf |
list
|
Lista de puntuaciones de confianza. |
necesario |
pred_cls |
list
|
Lista de clases previstas. |
necesario |
target_cls |
list
|
Lista de clases objetivo. |
necesario |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.ClassifyMetrics
Bases: SimpleClass
Clase para calcular las métricas de clasificación, incluida la precisión top-1 y top-5.
Atributos:
Nombre | Tipo | Descripción |
---|---|---|
top1 |
float
|
La precisión top-1. |
top5 |
float
|
El top-5 de la precisión. |
speed |
Dict[str, float]
|
Un diccionario que contiene el tiempo empleado en cada paso del proceso. |
Propiedades
aptitud (flotante): La aptitud del modelo, que equivale a la precisión del top-5. diccionario_resultados (Dict[cadena, Unión[flotante, cadena]]): Un diccionario que contiene las métricas de clasificación y la aptitud. keys (Lista[str]): Una lista de claves para el diccionario_resultados.
Métodos:
Nombre | Descripción |
---|---|
process |
Procesa los objetivos y las predicciones para calcular las métricas de clasificación. |
Código fuente en ultralytics/utils/metrics.py
curves
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
curves_results
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
fitness
property
Devuelve la media de las precisiones top-1 y top-5 como puntuación de aptitud.
keys
property
Devuelve una lista de claves para la propiedad diccionario_resultados.
results_dict
property
Devuelve un diccionario con las métricas de rendimiento y la puntuación de aptitud del modelo.
__init__()
Inicializa una instancia de ClassifyMetrics.
process(targets, pred)
Clases objetivo y clases previstas.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.OBBMetrics
Bases: SimpleClass
Código fuente en ultralytics/utils/metrics.py
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 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 |
|
ap_class_index
property
Devuelve el índice medio de precisión por clase.
curves
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
curves_results
property
Devuelve una lista de curvas para acceder a curvas métricas concretas.
fitness
property
Devuelve la aptitud del objeto caja.
keys
property
Devuelve una lista de claves para acceder a métricas concretas.
maps
property
Devuelve las puntuaciones medias de Precisión Media (mAP) por clase.
results_dict
property
Devuelve el diccionario de métricas y estadísticas de rendimiento calculadas.
class_result(i)
Devuelve el resultado de evaluar el rendimiento de un modelo de detección de objetos en una clase concreta.
mean_results()
process(tp, conf, pred_cls, target_cls)
Procesa los resultados previstos para la detección de objetos y actualiza las métricas.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_ioa(box1, box2, iou=False, eps=1e-07)
Calcula la intersección sobre el área de la caja2 dadas la caja1 y la caja2. Las cajas están en formato x1y1x2y2.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
box1 |
ndarray
|
Una matriz numpy de forma (n, 4) que representa n cajas delimitadoras. |
necesario |
box2 |
ndarray
|
Una matriz numpy de forma (m, 4) que representa m cajas delimitadoras. |
necesario |
iou |
bool
|
Calcula el IoU estándar si Verdadero si no devuelve inter_área/área_caja2. |
False
|
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
ndarray
|
Una matriz numpy de forma (n, m) que representa la intersección sobre el área de la caja2. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.box_iou(box1, box2, eps=1e-07)
Calcula la intersección sobre la unión (IoU) de cajas. Se espera que ambos conjuntos de cajas tengan el formato (x1, y1, x2, y2). Basado en https://github.com/pytorch/vision/blob/master/torchvision/ops/boxes.py
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
box1 |
Tensor
|
Un tensor de forma (N, 4) que representa N cajas delimitadoras. |
necesario |
box2 |
Tensor
|
Un tensor de forma (M, 4) que representa M cajas delimitadoras. |
necesario |
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Un NxM tensor que contiene los valores de IoU por pares de cada elemento de la caja1 y la caja2. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-07)
Calcula la intersección sobre la unión (IOU) de la caja1(1, 4) con la caja2(n, 4).
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
box1 |
Tensor
|
Un tensor que representa un único cuadro delimitador con forma (1, 4). |
necesario |
box2 |
Tensor
|
Un tensor que representa n cajas delimitadoras con forma (n, 4). |
necesario |
xywh |
bool
|
Si es Verdadero, los cuadros de entrada tienen el formato (x, y, w, h). Si es Falso, los cuadros de entrada tienen el formato (x1, y1, x2, y2). Por defecto es Verdadero. |
True
|
GIoU |
bool
|
Si es Verdadero, calcula el IoU Generalizado. Por defecto es Falso. |
False
|
DIoU |
bool
|
Si es Verdadero, calcula la Distancia IoU. Por defecto es Falso. |
False
|
CIoU |
bool
|
Si es Verdadero, calcula el IoU Completo. Por defecto es Falso. |
False
|
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Valores IoU, GIoU, DIoU o CIoU en función de las banderas especificadas. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.mask_iou(mask1, mask2, eps=1e-07)
Calcula las máscaras IoU.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
mask1 |
Tensor
|
Un tensor de forma (N, n) donde N es el número de objetos de la verdad sobre el terreno y n es la producto de la anchura y la altura de la imagen. |
necesario |
mask2 |
Tensor
|
Un tensor de forma (M, n) donde M es el número de objetos previstos y n es la producto de la anchura y la altura de la imagen. |
necesario |
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Un tensor de forma (N, M) que representa las máscaras IoU. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.kpt_iou(kpt1, kpt2, area, sigma, eps=1e-07)
Calcula la similitud de los puntos clave del objeto (OKS).
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
kpt1 |
Tensor
|
Un tensor de forma (N, 17, 3) que representa los puntos clave de la verdad sobre el terreno. |
necesario |
kpt2 |
Tensor
|
Un tensor de forma (M, 17, 3) que representa los puntos clave previstos. |
necesario |
area |
Tensor
|
Un tensor de forma (N,) que representa áreas de la verdad sobre el terreno. |
necesario |
sigma |
list
|
Una lista que contiene 17 valores que representan escalas de puntos clave. |
necesario |
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Un tensor de forma (N, M) que representa las similitudes de los puntos clave. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics._get_covariance_matrix(boxes)
Generar matriz de covarianza a partir de obbs.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
boxes |
Tensor
|
Un tensor de forma (N, 5) que representa cajas delimitadoras rotadas, con formato xywhr. |
necesario |
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Metrices de covarianza correspondientes a los cuadros delimitadores originales rotados. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.probiou(obb1, obb2, CIoU=False, eps=1e-07)
Calcula la prob IoU entre cajas delimitadoras orientadas, https://arxiv.org/pdf/2106.06072v1.pdf.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
obb1 |
Tensor
|
Un tensor de forma (N, 5) que representa obbs de la verdad del terreno, con formato xywhr. |
necesario |
obb2 |
Tensor
|
Un tensor de forma (N, 5) que representa los obbs previstos, con formato xywhr. |
necesario |
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Un tensor de forma (N, ) que representa las similitudes obb. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.batch_probiou(obb1, obb2, eps=1e-07)
Calcula la prob IoU entre cajas delimitadoras orientadas, https://arxiv.org/pdf/2106.06072v1.pdf.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
obb1 |
Tensor | ndarray
|
Un tensor de forma (N, 5) que representa obbs de la verdad del terreno, con formato xywhr. |
necesario |
obb2 |
Tensor | ndarray
|
Un tensor de forma (M, 5) que representa los obbs previstos, con formato xywhr. |
necesario |
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-7. |
1e-07
|
Devuelve:
Tipo | Descripción |
---|---|
Tensor
|
Un tensor de forma (N, M) que representa las similitudes obb. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth_BCE(eps=0.1)
Calcula objetivos de Entropía Cruzada Binaria positiva y negativa suavizados.
Esta función calcula los objetivos BCE de suavizado de etiquetas positivas y negativas basándose en un valor épsilon dado. Para más detalles sobre la implementación, consulta https://github.com/ultralytics/yolov3/issues/238#issuecomment-598028441.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
eps |
float
|
El valor épsilon para el suavizado de etiquetas. Por defecto es 0,1. |
0.1
|
Devuelve:
Tipo | Descripción |
---|---|
tuple
|
Una tupla que contiene los objetivos BCE de suavizado de etiquetas positivas y negativas. |
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth(y, f=0.05)
Filtro de caja de la fracción f.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_pr_curve(px, py, ap, save_dir=Path('pr_curve.png'), names=(), on_plot=None)
Traza una curva de precisión-recuerdo.
Código fuente en 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)
Traza una curva métrica de confianza.
Código fuente en ultralytics/utils/metrics.py
ultralytics.utils.metrics.compute_ap(recall, precision)
Calcula la precisión media (PA) dadas las curvas de recuerdo y precisión.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
recall |
list
|
La curva de recuerdo. |
necesario |
precision |
list
|
La curva de precisión. |
necesario |
Devuelve:
Tipo | Descripción |
---|---|
float
|
Precisión media. |
ndarray
|
Curva envolvente de precisión. |
ndarray
|
Curva de recuerdo modificada con valores centinela añadidos al principio y al final. |
Código fuente en 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='')
Calcula la precisión media por clase para la evaluación de la detección de objetos.
Parámetros:
Nombre | Tipo | Descripción | Por defecto |
---|---|---|---|
tp |
ndarray
|
Matriz binaria que indica si la detección es correcta (Verdadero) o no (Falso). |
necesario |
conf |
ndarray
|
Conjunto de puntuaciones de confianza de las detecciones. |
necesario |
pred_cls |
ndarray
|
Conjunto de clases previstas de las detecciones. |
necesario |
target_cls |
ndarray
|
Conjunto de clases verdaderas de las detecciones. |
necesario |
plot |
bool
|
Si se trazan o no las curvas PR. Por defecto es Falso. |
False
|
on_plot |
func
|
Una llamada de retorno para pasar la ruta y los datos de las tramas cuando se renderizan. Por defecto es Ninguno. |
None
|
save_dir |
Path
|
Directorio para guardar las curvas PR. Por defecto es una ruta vacía. |
Path()
|
names |
tuple
|
Tupla de nombres de clases para trazar las curvas PR. Por defecto es una tupla vacía. |
()
|
eps |
float
|
Un valor pequeño para evitar la división por cero. Por defecto es 1e-16. |
1e-16
|
prefix |
str
|
Una cadena de prefijo para guardar los archivos de trama. Por defecto es una cadena vacía. |
''
|
Devuelve:
Tipo | Descripción |
---|---|
tuple
|
Una tupla de seis matrices y una matriz de clases únicas, donde: tp (np.ndarray): Recuentos de verdaderos positivos en el umbral dado por la métrica F1 máxima para cada clase.Forma: (nc,). fp (np.ndarray): Recuentos de falsos positivos en el umbral dado por la métrica F1 máxima para cada clase. Forma: (nc,). p (np.ndarray): Valores de precisión en el umbral dado por la métrica F1 máxima para cada clase. Forma: (nc,). r (np.ndarray): Valores de recuperación en el umbral dado por la métrica F1 máxima para cada clase. Forma: (nc,). f1 (np.ndarray): Valores de puntuación F1 en el umbral dado por la métrica F1 máxima para cada clase. Forma: (nc,). ap (np.ndarray): Precisión media para cada clase en diferentes umbrales de IoU. Forma: (nc, 10). clases_únicas (np.ndarray): Matriz de clases únicas que tienen datos. Forma: (nc,). curva_p (np.ndarray): Curvas de precisión de cada clase. Forma: (nc, 1000). Curva_r (np.ndarray): Curvas de recuperación de cada clase. Forma: (nc, 1000). curva_f1 (np.ndarray): Curvas de puntuación F1 para cada clase. Forma: (nc, 1000). x (np.ndarray): Valores del eje X para las curvas. Forma: (1000,). valores_precisión: Valores de precisión en mAP@0.5 para cada clase. Forma: (nc, 1000). |
Código fuente en ultralytics/utils/metrics.py
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 |
|