Référence pour ultralytics/data/augment.py
Note
Ce fichier est disponible à l'adresse https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/augment .py. Si tu repères un problème, aide à le corriger en contribuant à une Pull Request 🛠️. Merci 🙏 !
ultralytics.data.augment.BaseTransform
Classe de base pour les transformations d'images.
Il s'agit d'une classe de transformation générique qui peut être étendue pour répondre à des besoins spécifiques en matière de traitement d'images. La classe est conçue pour être compatible avec les tâches de classification et de segmentation sémantique.
MĂ©thodes :
Nom | Description |
---|---|
__init__ |
Initialise l'objet BaseTransform. |
apply_image |
Applique la transformation de l'image aux Ă©tiquettes. |
apply_instances |
Applique des transformations aux instances d'objets dans les Ă©tiquettes. |
apply_semantic |
Applique la segmentation sémantique à une image. |
__call__ |
Applique toutes les transformations d'étiquettes à une image, aux instances et aux masques sémantiques. |
Code source dans ultralytics/data/augment.py
__call__(labels)
Applique toutes les transformations d'étiquettes à une image, aux instances et aux masques sémantiques.
__init__()
apply_image(labels)
apply_instances(labels)
ultralytics.data.augment.Compose
Classe permettant de composer plusieurs transformations d'images.
Code source dans ultralytics/data/augment.py
__call__(data)
__getitem__(index)
Récupère une transformation spécifique ou un ensemble de transformations en utilisant l'indexation.
Code source dans ultralytics/data/augment.py
__init__(transforms)
__repr__()
__setitem__(index, value)
Récupère une transformation spécifique ou un ensemble de transformations en utilisant l'indexation.
Code source dans ultralytics/data/augment.py
append(transform)
insert(index, transform)
ultralytics.data.augment.BaseMixTransform
Classe pour les transformations de mélange de base (MixUp/Mosaic).
Cette mise en Ĺ“uvre provient de mmyolo.
Code source dans ultralytics/data/augment.py
__call__(labels)
Applique les transformations de prétraitement et les transformations de mélange/mosaïque aux données des étiquettes.
Code source dans ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
Initialise l'objet BaseMixTransform avec le jeu de données, la pré_transformation et la probabilité.
ultralytics.data.augment.Mosaic
Bases : BaseMixTransform
Augmentation de la mosaĂŻque.
Cette classe effectue une augmentation de mosaïque en combinant plusieurs (4 ou 9) images en une seule image mosaïque. L'augmentation est appliquée à un ensemble de données avec une probabilité donnée.
Attributs :
Nom | Type | Description |
---|---|---|
dataset |
L'ensemble de données sur lequel l'augmentation de la mosaïque est appliquée. |
|
imgsz |
int
|
Taille de l'image (hauteur et largeur) après le pipeline de mosaïque d'une seule image. La valeur par défaut est 640. |
p |
float
|
Probabilité d'appliquer l'augmentation de la mosaïque. Doit être compris entre 0 et 1. La valeur par défaut est 1,0. |
n |
int
|
La taille de la grille, soit 4 (pour 2x2) ou 9 (pour 3x3). |
Code source dans 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)
Initialise l'objet avec un jeu de données, la taille de l'image, la probabilité et la bordure.
Code source dans ultralytics/data/augment.py
get_indexes(buffer=True)
Renvoie une liste d'index aléatoires de l'ensemble de données.
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.MixUp
Bases : BaseMixTransform
Classe permettant d'appliquer l'augmentation MixUp à l'ensemble de données.
Code source dans ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
Initialise l'objet MixUp avec le jeu de données, la pré_transformation et la probabilité d'application du MixUp.
ultralytics.data.augment.RandomPerspective
Implémente des transformations aléatoires de perspective et d'affinité sur les images et les boîtes de délimitation, les segments et les points clés correspondants. points clés. Ces transformations comprennent la rotation, la translation, la mise à l'échelle et le cisaillement. La classe offre également la possibilité l'option d'appliquer ces transformations de façon conditionnelle avec une probabilité spécifiée.
Attributs :
Nom | Type | Description |
---|---|---|
degrees |
float
|
Plage de degrés pour les rotations aléatoires. |
translate |
float
|
Fraction de la largeur et de la hauteur totales pour une traduction aléatoire. |
scale |
float
|
Intervalle de facteur d'Ă©chelle, par exemple, un facteur d'Ă©chelle de 0,1 permet un redimensionnement entre 90 % et 110 %. |
shear |
float
|
Intensité du cisaillement (angle en degrés). |
perspective |
float
|
Facteur de distorsion de la perspective. |
border |
tuple
|
Tuple spécifiant la bordure de la mosaïque. |
pre_transform |
callable
|
Une fonction/transformation à appliquer à l'image avant de commencer la transformation aléatoire. |
MĂ©thodes :
Nom | Description |
---|---|
affine_transform |
Applique une série de transformations affines à l'image. |
apply_bboxes |
Transforme les boîtes de délimitation à l'aide de la matrice affine calculée. |
apply_segments |
Transforme les segments et génère de nouvelles boîtes de délimitation. |
apply_keypoints |
Transforme les points clés. |
__call__ |
MĂ©thode principale pour appliquer des transformations Ă la fois aux images et aux annotations correspondantes. |
box_candidates |
Filtre les boîtes de délimitation qui ne répondent pas à certains critères après la transformation. |
Code source dans 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)
Images et cibles affines.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
labels |
dict
|
une dictée de |
requis |
Code source dans 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)
Initialise l'objet RandomPerspective avec les paramètres de transformation.
Code source dans ultralytics/data/augment.py
affine_transform(img, border)
Applique une séquence de transformations affines centrées sur le centre de l'image.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
img |
ndarray
|
Image d'entrée. |
requis |
border |
tuple
|
Dimensions de la bordure. |
requis |
Retourne :
Nom | Type | Description |
---|---|---|
img |
ndarray
|
Image transformée. |
M |
ndarray
|
Matrice de transformation. |
s |
float
|
Facteur d'Ă©chelle. |
Code source dans ultralytics/data/augment.py
apply_bboxes(bboxes, M)
Applique l'affine aux bboxes uniquement.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
bboxes |
ndarray
|
liste de bboxes, format xyxy, avec la forme (num_bboxes, 4). |
requis |
M |
ndarray
|
matrice affine. |
requis |
Retourne :
Nom | Type | Description |
---|---|---|
new_bboxes |
ndarray
|
bboxes après affine, [num_bboxes, 4]. |
Code source dans ultralytics/data/augment.py
apply_keypoints(keypoints, M)
Applique l'affine aux points clés.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
keypoints |
ndarray
|
points clés, [N, 17, 3]. |
requis |
M |
ndarray
|
matrice affine. |
requis |
Retourne :
Nom | Type | Description |
---|---|---|
new_keypoints |
ndarray
|
points clés après affine, [N, 17, 3]. |
Code source dans ultralytics/data/augment.py
apply_segments(segments, M)
Applique l'affine aux segments et génère de nouvelles bboxes à partir des segments.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
segments |
ndarray
|
liste de segments, [num_samples, 500, 2]. |
requis |
M |
ndarray
|
matrice affine. |
requis |
Retourne :
Nom | Type | Description |
---|---|---|
new_segments |
ndarray
|
liste des segments après affine, [num_samples, 500, 2]. |
new_bboxes |
ndarray
|
bboxes après affine, [N, 4]. |
Code source dans ultralytics/data/augment.py
box_candidates(box1, box2, wh_thr=2, ar_thr=100, area_thr=0.1, eps=1e-16)
Calcule les boîtes candidates en fonction d'un ensemble de seuils. Cette méthode compare les caractéristiques des boîtes avant et après l'augmentation pour décider si une boîte est candidate à un traitement ultérieur.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
box1 |
ndarray
|
La boîte englobante 4,n avant l'augmentation, représentée par [x1, y1, x2, y2]. |
requis |
box2 |
ndarray
|
La boîte englobante 4,n après l'augmentation, représentée par [x1, y1, x2, y2]. |
requis |
wh_thr |
float
|
Le seuil de largeur et de hauteur en pixels. La valeur par défaut est 2. |
2
|
ar_thr |
float
|
Le seuil du rapport d'aspect. La valeur par défaut est 100. |
100
|
area_thr |
float
|
Le seuil du rapport de surface. La valeur par défaut est 0,1. |
0.1
|
eps |
float
|
Une petite valeur epsilon pour empêcher la division par zéro. La valeur par défaut est 1e-16. |
1e-16
|
Retourne :
Type | Description |
---|---|
ndarray
|
Un tableau booléen indiquant quelles cases sont candidates en fonction des seuils donnés. |
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.RandomHSV
Cette classe est chargée d'effectuer des ajustements aléatoires sur les canaux Teinte, Saturation et Valeur (HSV) d'une image. image.
Les ajustements sont aléatoires mais dans les limites fixées par hgain, sgain et vgain.
Code source dans ultralytics/data/augment.py
__call__(labels)
Applique une augmentation HSV aléatoire à une image dans les limites prédéfinies.
L'image modifiée remplace l'image originale dans l'entrée "étiquettes".
Code source dans ultralytics/data/augment.py
__init__(hgain=0.5, sgain=0.5, vgain=0.5)
Initialise la classe RandomHSV avec des gains pour chaque canal HSV.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
hgain |
float
|
Variation maximale pour la teinte. La valeur par défaut est 0,5. |
0.5
|
sgain |
float
|
Variation maximale pour la saturation. La valeur par défaut est 0,5. |
0.5
|
vgain |
float
|
Variation maximale de la valeur. La valeur par défaut est 0,5. |
0.5
|
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.RandomFlip
Applique une inversion horizontale ou verticale aléatoire à une image avec une probabilité donnée.
Met également à jour toutes les instances (boîtes de délimitation, points clés, etc.) en conséquence.
Code source dans ultralytics/data/augment.py
__call__(labels)
Applique un retournement aléatoire à une image et met à jour toutes les instances comme les boîtes de délimitation ou les points clés en conséquence.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
labels |
dict
|
Un dictionnaire contenant les clés 'img' et 'instances'. 'img' est l'image à retourner. 'instances' est un objet contenant des boîtes de délimitation et éventuellement des points clés. |
requis |
Retourne :
Type | Description |
---|---|
dict
|
Même chose avec l'image retournée et les instances mises à jour sous les clés 'img' et 'instances'. |
Code source dans ultralytics/data/augment.py
__init__(p=0.5, direction='horizontal', flip_idx=None)
Initialise la classe RandomFlip avec la probabilité et la direction.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
p |
float
|
La probabilité d'appliquer l'inversion. Doit être comprise entre 0 et 1. La valeur par défaut est 0,5. |
0.5
|
direction |
str
|
La direction dans laquelle le retournement doit être appliqué. Doit être "horizontal" ou "vertical". La valeur par défaut est "horizontal". |
'horizontal'
|
flip_idx |
array - like
|
Mappage d'index pour l'inversion des points clés, s'il y en a. |
None
|
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.LetterBox
Redimensionne l'image et le padding pour la détection, la segmentation de l'instance, la pose.
Code source dans ultralytics/data/augment.py
__call__(labels=None, image=None)
Retourne les étiquettes et l'image mises à jour avec la bordure ajoutée.
Code source dans ultralytics/data/augment.py
__init__(new_shape=(640, 640), auto=False, scaleFill=False, scaleup=True, center=True, stride=32)
Initialise l'objet LetterBox avec des paramètres spécifiques.
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.CopyPaste
Met en œuvre l'augmentation Copier-Coller telle qu'elle est décrite dans l'article https://arxiv.org/abs/2012.07177. Cette classe est responsable de l'application de l'augmentation Copy-Paste sur les images et leurs instances correspondantes.
Code source dans ultralytics/data/augment.py
__call__(labels)
Applique l'augmentation Copier-Coller à l'image et aux instances données.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
labels |
dict
|
Un dictionnaire contenant : - 'img' : L'image à augmenter. - 'cls' : Les étiquettes de classe associées aux instances. - 'instances' : Objet contenant des boîtes de délimitation et, éventuellement, des points clés et des segments. |
requis |
Retourne :
Type | Description |
---|---|
dict
|
Dict avec une image augmentée et des instances mises à jour sous les clés 'img', 'cls' et 'instances'. |
Notes
- Les instances doivent avoir "segments" comme l'un de leurs attributs pour que cette augmentation fonctionne.
- Cette méthode modifie le dictionnaire d'entrée 'labels' en place.
Code source dans ultralytics/data/augment.py
__init__(p=0.5)
Initialise la classe CopyPaste avec une probabilité donnée.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
p |
float
|
La probabilité d'appliquer l'augmentation copier-coller. Doit être comprise entre 0 et 1. La valeur par défaut est 0,5. |
0.5
|
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.Albumentations
Albumentations transformations.
Facultatif, désinstalle le paquet pour le désactiver. Applique le flou, le flou médian, la conversion en niveaux de gris, l'égalisation adaptative limitée au contraste l'égalisation des histogrammes, la modification aléatoire de la luminosité et du contraste, RandomGamma et la réduction de la qualité de l'image par la compression. compression.
Code source dans ultralytics/data/augment.py
__call__(labels)
Génère des détections d'objets et renvoie un dictionnaire avec les résultats de la détection.
Code source dans ultralytics/data/augment.py
__init__(p=1.0)
Initialise l'objet transform pour YOLO bbox formatted params.
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.Format
Formate les annotations d'images pour les tâches de détection d'objets, de segmentation d'instances et d'estimation de la pose. La classe
standardise les annotations d'images et d'instances qui seront utilisées par la classe collate_fn
dans PyTorch DataLoader.
Attributs :
Nom | Type | Description |
---|---|---|
bbox_format |
str
|
Format des boîtes de délimitation. La valeur par défaut est "xywh". |
normalize |
bool
|
S'il faut normaliser les boîtes de délimitation. La valeur par défaut est True. |
return_mask |
bool
|
Renvoie les masques d'instance pour la segmentation. La valeur par défaut est False. |
return_keypoint |
bool
|
Retourne les points clés pour l'estimation de la pose. La valeur par défaut est False. |
mask_ratio |
int
|
Taux de sous-échantillonnage pour les masques. La valeur par défaut est 4. |
mask_overlap |
bool
|
Si les masques se chevauchent ou non. La valeur par défaut est True. |
batch_idx |
bool
|
Conserver les index de lots. La valeur par défaut est True. |
bgr |
float
|
La probabilité de renvoyer des images BGR. La valeur par défaut est 0,0. |
Code source dans 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)
Retourne l'image formatée, les classes, les cadres et les points clés qui seront utilisés par 'collate_fn'.
Code source dans 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)
Initialise la classe Format avec les paramètres donnés.
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.RandomLoadText
Prélève au hasard des textes positifs et des textes négatifs et mets à jour les indices de classe en fonction du nombre d'échantillons.
Attributs :
Nom | Type | Description |
---|---|---|
prompt_format |
str
|
Format de l'invite. La valeur par défaut est '{}'. |
neg_samples |
tuple[int]
|
Un ranger pour échantillonner de façon aléatoire les textes négatifs, Défaut est (80, 80). |
max_samples |
int
|
Nombre maximum d'échantillons de texte différents dans une image. La valeur par défaut est de 80. |
padding |
bool
|
Indique s'il faut remplir les textes jusqu'à max_samples. La valeur par défaut est False. |
padding_value |
str
|
Le texte de remplissage. La valeur par défaut est "". |
Code source dans 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)
Retourne les cours et les textes mis Ă jour.
Code source dans ultralytics/data/augment.py
__init__(prompt_format='{}', neg_samples=(80, 80), max_samples=80, padding=False, padding_value='')
Initialise la classe RandomLoadText avec les paramètres donnés.
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.ClassifyLetterBox
YOLOv8 Classe LetterBox pour le prétraitement des images, conçue pour faire partie d'un pipeline de transformation, par ex, T.Compose([LetterBox(size), ToTensor()]).
Attributs :
Nom | Type | Description |
---|---|---|
h |
int
|
Hauteur cible de l'image. |
w |
int
|
Largeur cible de l'image. |
auto |
bool
|
Si True, le côté court est automatiquement résolu à l'aide de stride. |
stride |
int
|
La valeur de l'échelle, utilisée lorsque 'auto' est True. |
Code source dans ultralytics/data/augment.py
__call__(im)
Redimensionne l'image et tamponne-la avec une méthode de boîte aux lettres.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
ndarray
|
L'image d'entrée sous la forme d'un tableau numpy de forme HWC. |
requis |
Retourne :
Type | Description |
---|---|
ndarray
|
L'image letterboxée et redimensionnée sous forme de tableau numpy. |
Code source dans ultralytics/data/augment.py
__init__(size=(640, 640), auto=False, stride=32)
Initialise la classe ClassifyLetterBox avec une taille cible, un drapeau automatique et une Ă©chelle.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
size |
Union[int, Tuple[int, int]]
|
Les dimensions cibles (hauteur, largeur) pour la boîte aux lettres. |
(640, 640)
|
auto |
bool
|
Si True, calcule automatiquement le côté court en fonction de la foulée. |
False
|
stride |
int
|
La valeur de l'échelle, utilisée lorsque 'auto' est True. |
32
|
Code source dans ultralytics/data/augment.py
ultralytics.data.augment.CenterCrop
YOLOv8 Classe CenterCrop pour le prétraitement des images, conçue pour faire partie d'un pipeline de transformation, par ex, T.Compose([CenterCrop(size), ToTensor()]).
Code source dans ultralytics/data/augment.py
__call__(im)
Redimensionne et recadre le centre de l'image en utilisant une méthode de boîte aux lettres.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
ndarray
|
L'image d'entrée sous la forme d'un tableau numpy de forme HWC. |
requis |
Retourne :
Type | Description |
---|---|
ndarray
|
L'image recadrée au centre et redimensionnée sous forme de tableau numpy. |
Code source dans ultralytics/data/augment.py
__init__(size=640)
ultralytics.data.augment.ToTensor
YOLOv8 Classe ToTensor pour le prétraitement des images, c'est-à -dire T.Compose([LetterBox(size), ToTensor()]).
Code source dans ultralytics/data/augment.py
__call__(im)
Transforme une image d'un tableau numpy en PyTorch tensor , en appliquant la demi-précision et la normalisation optionnelles.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
ndarray
|
Image d'entrée sous forme de tableau numpy avec la forme (H, W, C) dans l'ordre BGR. |
requis |
Retourne :
Type | Description |
---|---|
Tensor
|
L'image transformée sous forme de PyTorch tensor en float32 ou float16, normalisée à [0, 1]. |
Code source dans ultralytics/data/augment.py
__init__(half=False)
Initialise l'objet ToTensor de YOLOv8 avec la prise en charge optionnelle de la demi-précision.
ultralytics.data.augment.v8_transforms(dataset, imgsz, hyp, stretch=False)
Convertis les images à une taille adaptée à l'entraînement sur YOLOv8 .
Code source dans 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)
Transformations de classification pour l'évaluation/l'inférence. Inspiré par timm/data/transforms_factory.py.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
size |
int
|
taille de l'image |
224
|
mean |
tuple
|
Valeurs moyennes des canaux RVB |
DEFAULT_MEAN
|
std |
tuple
|
Valeurs std des canaux RVB |
DEFAULT_STD
|
interpolation |
InterpolationMode
|
Mode d'interpolation. La valeur par défaut est T.InterpolationMode.BILINEAR. |
BILINEAR
|
crop_fraction |
float
|
fraction de l'image à recadrer. la valeur par défaut est 1.0. |
DEFAULT_CROP_FRACTION
|
Retourne :
Type | Description |
---|---|
Compose
|
torchvision transforme |
Code source dans 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)
Transformations de classification avec augmentation pour la formation. Inspiré par timm/data/transforms_factory.py.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
size |
int
|
taille de l'image |
224
|
scale |
tuple
|
plage d'échelle de l'image. la valeur par défaut est (0.08, 1.0) |
None
|
ratio |
tuple
|
plage de rapport d'aspect de l'image. la valeur par défaut est (3./4., 4./3.) |
None
|
mean |
tuple
|
Valeurs moyennes des canaux RVB |
DEFAULT_MEAN
|
std |
tuple
|
Valeurs std des canaux RVB |
DEFAULT_STD
|
hflip |
float
|
probabilité d'un retournement horizontal |
0.5
|
vflip |
float
|
probabilité de retournement vertical |
0.0
|
auto_augment |
str
|
politique d'augmentation automatique. peut ĂŞtre 'randaugment', 'augmix', 'autoaugment' ou None. |
None
|
hsv_h |
float
|
image Augmentation de la teinte HSV (fraction) |
0.015
|
hsv_s |
float
|
image Augmentation de la saturation HSV (fraction) |
0.4
|
hsv_v |
float
|
Augmentation de la valeur HSV de l'image (fraction) |
0.4
|
force_color_jitter |
bool
|
force à appliquer la gigue de couleur même si l'augmentation automatique est activée |
False
|
erasing |
float
|
probabilité d'effacement aléatoire |
0.0
|
interpolation |
InterpolationMode
|
Mode d'interpolation. La valeur par défaut est T.InterpolationMode.BILINEAR. |
BILINEAR
|
Retourne :
Type | Description |
---|---|
Compose
|
torchvision transforme |
Code source dans 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 |
|
Créé le 2023-11-12, Mis à jour le 2024-05-08
Auteurs : Burhan-Q (1), Laughing-q (1), glenn-jocher (4)