Référence pour ultralytics/models/sam/predict.py
Note
Ce fichier est disponible à l'adresse https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/models/ sam/predict .py. Si tu repères un problème, aide à le corriger en contribuant à une Pull Request 🛠️. Merci 🙏 !
ultralytics.models.sam.predict.Predictor
Bases : BasePredictor
Classe de prédicteur pour le modèle Segment Anything (SAM), étendant BasePredictor.
La classe fournit une interface pour l'inférence de modèle adaptée aux tâches de segmentation d'images. Grâce à son architecture avancée et à ses capacités de segmentation, elle facilite la génération de masques flexibles et en temps réel. flexible et en temps réel. La classe est capable de travailler avec différents types d'invites tels que les boîtes de délimitation, les points et les masques à faible résolution, les points et les masques à faible résolution.
Attributs :
Nom | Type | Description |
---|---|---|
cfg |
dict
|
Dictionnaire de configuration spécifiant les paramètres liés au modèle et aux tâches. |
overrides |
dict
|
Dictionnaire contenant des valeurs qui remplacent la configuration par défaut. |
_callbacks |
dict
|
Dictionnaire de fonctions de rappel définies par l'utilisateur pour augmenter le comportement. |
args |
namespace
|
Espace de noms pour contenir les arguments de la ligne de commande ou d'autres variables opérationnelles. |
im |
Tensor
|
Image d'entrée prétraitée tensor. |
features |
Tensor
|
Les caractéristiques des images extraites sont utilisées pour l'inférence. |
prompts |
dict
|
Collection de divers types de prompteurs, tels que les boîtes de délimitation et les points. |
segment_all |
bool
|
Indicateur permettant de contrôler si l'on doit segmenter tous les objets de l'image ou seulement ceux qui sont spécifiés. |
Code source dans ultralytics/models/sam/predict.py
35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 |
|
__init__(cfg=DEFAULT_CFG, overrides=None, _callbacks=None)
Initialise le prédicteur avec la configuration, les dérogations et les rappels.
La méthode met en place l'objet Predictor et applique toutes les dérogations de configuration ou les rappels fournis. Elle initialise les paramètres spécifiques à la tâche pour SAM, par exemple les masques_rétina sont réglés sur True pour des résultats optimaux.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
cfg |
dict
|
Dictionnaire de configuration. |
DEFAULT_CFG
|
overrides |
dict
|
Dictionnaire de valeurs pour remplacer la configuration par défaut. |
None
|
_callbacks |
dict
|
Dictionnaire des fonctions de rappel pour personnaliser le comportement. |
None
|
Code source dans ultralytics/models/sam/predict.py
generate(im, crop_n_layers=0, crop_overlap_ratio=512 / 1500, crop_downscale_factor=1, point_grids=None, points_stride=32, points_batch_size=64, conf_thres=0.88, stability_score_thresh=0.95, stability_score_offset=0.95, crop_nms_thresh=0.7)
Effectue la segmentation de l'image à l'aide du modèle Segment Anything (SAM).
Cette fonction segmente une image entière en parties constitutives en tirant parti de l'architecture avancée et des capacités de performance en temps réel de SAM. et des capacités de performance en temps réel. Elle peut éventuellement travailler sur des coupes d'images pour une segmentation plus fine.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
Tensor
|
Entrée tensor représentant l'image prétraitée avec les dimensions (N, C, H, W). |
requis |
crop_n_layers |
int
|
Spécifie le nombre de couches pour les prédictions de masques supplémentaires sur les cultures d'images. Chaque couche produit 2**i_couche de cultures d'images. |
0
|
crop_overlap_ratio |
float
|
DĂ©termine le chevauchement entre les cultures. Mise Ă l'Ă©chelle dans les couches suivantes. |
512 / 1500
|
crop_downscale_factor |
int
|
Facteur d'échelle pour le nombre de points échantillonnés par côté dans chaque couche. |
1
|
point_grids |
list[ndarray]
|
Grilles personnalisées pour l'échantillonnage de points normalisés à [0,1]. Utilisées dans la nième couche de culture. |
None
|
points_stride |
int
|
Nombre de points à échantillonner de chaque côté de l'image. Exclusif avec 'point_grids'. |
32
|
points_batch_size |
int
|
Taille du lot pour le nombre de points traités simultanément. |
64
|
conf_thres |
float
|
Seuil de confiance [0,1] pour le filtrage basé sur la prédiction de la qualité du masque du modèle. |
0.88
|
stability_score_thresh |
float
|
Seuil de stabilité [0,1] pour le filtrage des masques basé sur la stabilité des masques. |
0.95
|
stability_score_offset |
float
|
Valeur de décalage pour le calcul du score de stabilité. |
0.95
|
crop_nms_thresh |
float
|
Le seuil de l'unité d'exploitation pour que le SGN supprime les masques en double entre les cultures. |
0.7
|
Retourne :
Type | Description |
---|---|
tuple
|
Un tuple contenant des masques segmentés, des scores de confiance et des boîtes de délimitation. |
Code source dans ultralytics/models/sam/predict.py
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 |
|
inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False, *args, **kwargs)
Effectue une inférence de segmentation d'image basée sur les indices d'entrée donnés, en utilisant l'image actuellement chargée. Cette Cette méthode s'appuie sur l'architecture de SAM(Segment Anything Model) composée d'un encodeur d'images, d'un encodeur d'invites et d'un décodeur de décodeur de masque pour les tâches de segmentation en temps réel et sur demande.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
Tensor
|
L'image d'entrée prétraitée au format tensor , avec la forme (N, C, H, W). |
requis |
bboxes |
ndarray | List
|
Boîtes de délimitation de forme (N, 4), au format XYXY. |
None
|
points |
ndarray | List
|
Points indiquant l'emplacement des objets de forme (N, 2), en pixels. |
None
|
labels |
ndarray | List
|
Étiquettes pour les invites de point, forme (N, ). 1 = premier plan, 0 = arrière-plan. |
None
|
masks |
ndarray
|
Masques à faible résolution provenant de la forme des prédictions précédentes (N,H,W). Pour SAM H=W=256. |
None
|
multimask_output |
bool
|
Drapeau pour renvoyer plusieurs masques. Utile pour les messages ambigus. |
False
|
Retourne :
Type | Description |
---|---|
tuple
|
Contient les trois éléments suivants. - np.ndarray : Les masques de sortie de forme CxHxW, où C est le nombre de masques générés. - np.ndarray : Un tableau de longueur C contenant les scores de qualité prédits par le modèle pour chaque masque. - np.ndarray : Logits à faible résolution de la forme CxHxW pour l'inférence ultérieure, où H=W=256. |
Code source dans ultralytics/models/sam/predict.py
postprocess(preds, img, orig_imgs)
Post-traite les résultats de l'inférence de SAM pour générer des masques de détection d'objets et des boîtes de délimitation.
La méthode adapte les masques et les boîtes à la taille de l'image originale et applique un seuil aux prédictions des masques. Le modèle SAM utilise une architecture avancée et des tâches de segmentation à déclencher pour obtenir des performances en temps réel.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
preds |
tuple
|
Le résultat de l'inférence du modèle SAM , contenant les masques, les scores et les boîtes de délimitation optionnelles. |
requis |
img |
Tensor
|
L'image d'entrée traitée tensor. |
requis |
orig_imgs |
list | Tensor
|
Les images originales, non traitées. |
requis |
Retourne :
Type | Description |
---|---|
list
|
Liste des objets Résultats contenant des masques de détection, des boîtes de délimitation et d'autres métadonnées. |
Code source dans ultralytics/models/sam/predict.py
pre_transform(im)
Effectue les transformations initiales sur l'image d'entrée pour le prétraitement.
La méthode applique des transformations telles que le redimensionnement pour préparer l'image à un prétraitement ultérieur. Actuellement, l'inférence par lots n'est pas prise en charge, c'est pourquoi la longueur de la liste doit être de 1.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
List[ndarray]
|
Liste contenant des images au format HWC numpy array. |
requis |
Retourne :
Type | Description |
---|---|
List[ndarray]
|
Liste des images transformées. |
Code source dans ultralytics/models/sam/predict.py
preprocess(im)
Prétraite l'image d'entrée pour l'inférence du modèle.
La méthode prépare l'image d'entrée en appliquant des transformations et une normalisation. Elle prend en charge les formats d'entrée torch.Tensor et list of np.ndarray.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
Tensor | List[ndarray]
|
Format BCHW tensor ou liste de tableaux numériques HWC. |
requis |
Retourne :
Type | Description |
---|---|
Tensor
|
L'image prétraitée tensor. |
Code source dans ultralytics/models/sam/predict.py
prompt_inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False)
Fonction interne d'inférence de segmentation d'image basée sur des indices tels que les boîtes de délimitation, les points et les masques. Exploite l'architecture spécialisée de SAM pour une segmentation en temps réel basée sur l'invite.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
im |
Tensor
|
L'image d'entrée prétraitée au format tensor , avec la forme (N, C, H, W). |
requis |
bboxes |
ndarray | List
|
Boîtes de délimitation de forme (N, 4), au format XYXY. |
None
|
points |
ndarray | List
|
Points indiquant l'emplacement des objets de forme (N, 2), en pixels. |
None
|
labels |
ndarray | List
|
Étiquettes pour les invites de point, forme (N, ). 1 = premier plan, 0 = arrière-plan. |
None
|
masks |
ndarray
|
Masques à faible résolution provenant de la forme des prédictions précédentes (N,H,W). Pour SAM H=W=256. |
None
|
multimask_output |
bool
|
Drapeau pour renvoyer plusieurs masques. Utile pour les messages ambigus. |
False
|
Retourne :
Type | Description |
---|---|
tuple
|
Contient les trois éléments suivants. - np.ndarray : Les masques de sortie de forme CxHxW, où C est le nombre de masques générés. - np.ndarray : Un tableau de longueur C contenant les scores de qualité prédits par le modèle pour chaque masque. - np.ndarray : Logits à faible résolution de la forme CxHxW pour l'inférence ultérieure, où H=W=256. |
Code source dans ultralytics/models/sam/predict.py
remove_small_regions(masks, min_area=0, nms_thresh=0.7)
staticmethod
Effectuer un post-traitement sur les masques de segmentation générés par le modèle Segment Anything (SAM). Plus précisément, cette fonction supprime les petites régions déconnectées et les trous des masques d'entrée, puis effectue une suppression non maximale (NMS) pour éliminer les boîtes dupliquées nouvellement créées. Suppression non maximale (NMS) pour éliminer toutes les boîtes dupliquées nouvellement créées.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
masks |
Tensor
|
Un tensor contenant les masques Ă traiter. La forme doit ĂŞtre (N, H, W), oĂą N est le nombre de masques, H la hauteur et W la largeur. le nombre de masques, H la hauteur et W la largeur. |
requis |
min_area |
int
|
La zone minimale en dessous de laquelle les régions déconnectées et les trous seront supprimés. La valeur par défaut est 0. |
0
|
nms_thresh |
float
|
Le seuil de l'interface utilisateur pour l'algorithme du SGN. La valeur par défaut est 0,7. |
0.7
|
Retourne :
Type | Description |
---|---|
tuple([Tensor, List[int]])
|
|
Code source dans ultralytics/models/sam/predict.py
reset_image()
set_image(image)
Prétraite et définit une seule image pour l'inférence.
Cette fonction configure le modèle s'il n'a pas déjà été initialisé, configure la source de données en fonction de l'image spécifiée, et prépare l'image pour l'extraction des caractéristiques. Une seule image peut être définie à la fois.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
image |
str | ndarray
|
Chemin d'accès au fichier image sous forme de chaîne, ou image np.ndarray lue par cv2. |
requis |
Augmente :
Type | Description |
---|---|
AssertionError
|
Si plus d'une image est définie. |
Code source dans ultralytics/models/sam/predict.py
set_prompts(prompts)
setup_model(model, verbose=True)
Initialise le modèle Segment Anything (SAM) pour l'inférence.
Cette méthode configure le modèle SAM en l'attribuant à l'appareil approprié et en initialisant les paramètres nécessaires à la normalisation de l'image et aux autres paramètres de compatibilité. pour la normalisation de l'image et d'autres paramètres de compatibilité Ultralytics .
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
model |
Module
|
Un modèle pré-entraîné SAM . Si Aucun, un modèle sera construit sur la base de la configuration. |
requis |
verbose |
bool
|
Si Vrai, imprime les informations sur l'appareil sélectionné. |
True
|
Attributs :
Nom | Type | Description |
---|---|---|
model |
Module
|
Le modèle SAM attribué à l'appareil choisi pour l'inférence. |
device |
device
|
L'appareil auquel le modèle et les tenseurs sont attribués. |
mean |
Tensor
|
Les valeurs moyennes pour la normalisation de l'image. |
std |
Tensor
|
Les valeurs d'Ă©cart-type pour la normalisation de l'image. |
Code source dans ultralytics/models/sam/predict.py
setup_source(source)
Configure la source de données pour l'inférence.
Cette méthode configure la source de données à partir de laquelle les images seront récupérées pour l'inférence. La source peut être un un répertoire, un fichier vidéo ou d'autres types de sources de données d'images.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
source |
str | Path
|
Le chemin d'accès à la source de données de l'image pour l'inférence. |
requis |