Ultralytics API de l'explorateur
Introduction
L'API Explorer est une API Python qui permet d'explorer tes ensembles de donnĂ©es. Elle prend en charge le filtrage et la recherche de tes ensembles de donnĂ©es Ă l'aide de requĂȘtes SQL, la recherche par similaritĂ© vectorielle et la recherche sĂ©mantique.
Regarde : Ultralytics Aperçu de l'API Explorer
Installation
Explorer dépend de bibliothÚques externes pour certaines de ses fonctionnalités. Celles-ci sont automatiquement installées lors de l'utilisation. Pour installer manuellement ces dépendances, utilise la commande suivante :
Utilisation
from ultralytics import Explorer
# Create an Explorer object
explorer = Explorer(data='coco128.yaml', model='yolov8n.pt')
# Create embeddings for your dataset
explorer.create_embeddings_table()
# Search for similar images to a given image/images
dataframe = explorer.get_similar(img='path/to/image.jpg')
# Or search for similar images to a given index/indices
dataframe = explorer.get_similar(idx=0)
Note
La table des embeddings pour un ensemble de données et une paire de modÚles donnés n'est créée qu'une seule fois et réutilisée. Ceux-ci utilisent LanceDB sous le capot, qui s'étend sur le disque, de sorte que tu peux créer et réutiliser des embeddings pour de grands ensembles de données tels que COCO sans manquer de mémoire.
Si tu veux forcer la mise Ă jour de la table d'encastrements, tu peux passer la commande force=True
Ă create_embeddings_table
méthode.
Tu peux accéder directement à l'objet tableau de LanceDB pour effectuer des analyses avancées. Tu trouveras plus d'informations à ce sujet dans la section Travailler avec le tableau Embeddings.
1. Recherche de similitudes
La recherche par similarité est une technique permettant de trouver des images similaires à une image donnée. Elle repose sur l'idée que des images similaires auront des embeddings similaires. Une fois que la table des embeddings est construite, tu peux lancer une recherche sémantique de l'une des façons suivantes :
- Sur un index donné ou une liste d'index dans l'ensemble de données :
exp.get_similar(idx=[1,10], limit=10)
- Sur n'importe quelle image ou liste d'images ne figurant pas dans l'ensemble de données :
exp.get_similar(img=["path/to/img1", "path/to/img2"], limit=10)
En cas d'entrées multiples, c'est l'agrégat de leur intégration qui est utilisé.
Tu obtiens un cadre de données pandas avec l'attribut limit
le nombre de points de données les plus similaires à l'entrée, ainsi que leur distance dans l'espace d'intégration. Tu peux utiliser cet ensemble de données pour effectuer d'autres filtrages
Recherche sémantique
from ultralytics import Explorer
# create an Explorer object
exp = Explorer(data='coco128.yaml', model='yolov8n.pt')
exp.create_embeddings_table()
similar = exp.get_similar(img='https://ultralytics.com/images/bus.jpg', limit=10)
print(similar.head())
# Search using multiple indices
similar = exp.get_similar(
img=['https://ultralytics.com/images/bus.jpg',
'https://ultralytics.com/images/bus.jpg'],
limit=10
)
print(similar.head())
from ultralytics import Explorer
# create an Explorer object
exp = Explorer(data='coco128.yaml', model='yolov8n.pt')
exp.create_embeddings_table()
similar = exp.get_similar(idx=1, limit=10)
print(similar.head())
# Search using multiple indices
similar = exp.get_similar(idx=[1,10], limit=10)
print(similar.head())
Tracer des images similaires
Tu peux aussi tracer les images similaires Ă l'aide de la fonction plot_similar
. Cette mĂ©thode prend les mĂȘmes arguments que get_similar
et place les images similaires dans une grille.
Tracer des images similaires
2. Ask AI (interrogation en langage naturel)
Cela te permet d'Ă©crire comment tu veux filtrer ton ensemble de donnĂ©es en utilisant le langage naturel. Tu n'as pas besoin de maĂźtriser l'Ă©criture de requĂȘtes SQL. Notre gĂ©nĂ©rateur de requĂȘtes alimentĂ© par l'IA le fera automatiquement sous le capot. Par exemple, tu peux dire : "Montre-moi 100 images avec exactement une personne et 2 chiens. Il peut y avoir d'autres objets aussi" et il gĂ©nĂ©rera en interne la requĂȘte et te montrera les rĂ©sultats. Remarque : cette mĂ©thode utilise des LLM sous le capot, les rĂ©sultats sont donc probabilistes et peuvent parfois se tromper.
Demande Ă l'IA
from ultralytics import Explorer
from ultralytics.data.explorer import plot_query_result
# create an Explorer object
exp = Explorer(data='coco128.yaml', model='yolov8n.pt')
exp.create_embeddings_table()
df = exp.ask_ai("show me 100 images with exactly one person and 2 dogs. There can be other objects too")
print(df.head())
# plot the results
plt = plot_query_result(df)
plt.show()
3. RequĂȘte SQL
Tu peux exĂ©cuter des requĂȘtes SQL sur ton jeu de donnĂ©es Ă l'aide de la fonction sql_query
mĂ©thode. Cette mĂ©thode prend une requĂȘte SQL en entrĂ©e et renvoie un cadre de donnĂ©es pandas avec les rĂ©sultats.
RequĂȘte SQL
Tracer les rĂ©sultats d'une requĂȘte SQL
Tu peux aussi tracer les rĂ©sultats d'une requĂȘte SQL Ă l'aide de la fonction plot_sql_query
. Cette mĂ©thode prend les mĂȘmes arguments que sql_query
et affiche les résultats dans une grille.
Tracer les rĂ©sultats d'une requĂȘte SQL
4. Travailler avec les tableaux d'encodage
Tu peux aussi travailler directement avec le tableau des enchùssements. Une fois que le tableau des enchùssements est créé, tu peux y accéder à l'aide de la fonction Explorer.table
Explorer fonctionne sur LanceDB en interne. Tu peux accéder à cette table directement, en utilisant Explorer.table
et d'exĂ©cuter des requĂȘtes brutes, de mettre en place des prĂ© et post-filtres, etc.
Voici quelques exemples de ce que tu peux faire avec le tableau :
Obtenir les emboĂźtements bruts
Exemple
RequĂȘte avancĂ©e avec prĂ© et post-filtres
Exemple
Créer un index vectoriel
Lorsque tu utilises de grands ensembles de donnĂ©es, tu peux Ă©galement crĂ©er un index vectoriel dĂ©diĂ© pour accĂ©lĂ©rer les requĂȘtes. Cela se fait Ă l'aide de la fonction create_index
sur la table LanceDB.
Tu trouveras plus de détails sur les types d'indices vectoriels disponibles et les paramÚtres ici à l'avenir, nous ajouterons la prise en charge de la création d'indices vectoriels directement à partir de l'API de l'explorateur.
5. Applications de l'intégration
Tu peux utiliser le tableau des enchùssements pour effectuer toute une série d'analyses exploratoires. Voici quelques exemples :
Indice de similitude
Explorer est livré avec un similarity_index
l'opération :
- Il tente d'estimer le degré de similitude de chaque point de données avec le reste de l'ensemble de données.
- Pour ce faire, il compte le nombre d'images intégrées qui sont plus proches que
max_dist
à l'image actuelle dans l'espace d'intégration généré, en considérant quetop_k
des images similaires Ă la fois.
Il renvoie un cadre de données pandas avec les colonnes suivantes :
idx
: Index de l'image dans l'ensemble de donnéesim_file
: Chemin d'accĂšs au fichier imagecount
: Nombre d'images dans l'ensemble de données qui sont plus proches quemax_dist
Ă l'image actuellesim_im_files
: Liste des chemins d'accĂšs aucount
images similaires
Astuce
Pour un ensemble de données donné, le modÚle, max_dist
& top_k
l'index de similarité une fois généré sera réutilisé. Si ton jeu de données a changé, ou si tu as simplement besoin de régénérer l'indice de similarité, tu peux passer le paramÚtre force=True
.
Indice de similitude
Tu peux utiliser l'indice de similarité pour créer des conditions personnalisées afin de filtrer l'ensemble des données. Par exemple, tu peux filtrer les images qui ne sont similaires à aucune autre image de l'ensemble de données à l'aide du code suivant :
Visualiser l'espace d'intégration
Tu peux aussi visualiser l'espace d'encastrement à l'aide de l'outil de traçage de ton choix. Voici par exemple un exemple simple utilisant matplotlib :
import numpy as np
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Reduce dimensions using PCA to 3 components for visualization in 3D
pca = PCA(n_components=3)
reduced_data = pca.fit_transform(embeddings)
# Create a 3D scatter plot using Matplotlib Axes3D
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')
# Scatter plot
ax.scatter(reduced_data[:, 0], reduced_data[:, 1], reduced_data[:, 2], alpha=0.5)
ax.set_title('3D Scatter Plot of Reduced 256-Dimensional Data (PCA)')
ax.set_xlabel('Component 1')
ax.set_ylabel('Component 2')
ax.set_zlabel('Component 3')
plt.show()
Commence Ă crĂ©er tes propres rapports d'exploration de jeux de donnĂ©es CV Ă l'aide de l'API Explorer. Pour t'inspirer, jette un coup d'Ćil Ă la page
Applications créées à l'aide de Ultralytics Explorer
Essaie notre démo d'interface graphique basée sur l'API Explorer
BientĂŽt disponible
- [Fusionner les étiquettes spécifiques des ensembles de données. Exemple - Importer tout
person
Ă©tiquettes de COCO etcar
étiquettes de paysages urbains - [Supprime les images dont l'indice de similarité est supérieur au seuil fixé.
- [ ] Faire persister automatiquement les nouveaux jeux de données aprÚs avoir fusionné/supprimé des entrées.
- [Visualisations avancées des ensembles de données
Créé le 2024-01-07, Mis à jour le 2024-04-27
Auteurs : glenn-jocher (8), 0xSynapse (1), RizwanMunawar (2), AyushExel (2)