Référence pour ultralytics/utils/loss.py
Note
Ce fichier est disponible à l'adresse https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/loss .py. Si tu repères un problème, aide à le corriger en contribuant à une Pull Request 🛠️. Merci 🙏 !
ultralytics.utils.loss.VarifocalLoss
Bases : Module
Perte varifocale par Zhang et al.
https://arxiv.org/abs/2008.13367.
Code source dans ultralytics/utils/loss.py
__init__()
forward(pred_score, gt_score, label, alpha=0.75, gamma=2.0)
staticmethod
Calcule la perte varfocale.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.FocalLoss
Bases : Module
Enveloppe la perte focale autour de la fonction loss_fcn() existante, c'est-Ă -dire criteria = FocalLoss(nn.BCEWithLogitsLoss(), gamma=1.5).
Code source dans ultralytics/utils/loss.py
__init__()
forward(pred, label, gamma=1.5, alpha=0.25)
staticmethod
Calcule et met à jour la matrice de confusion pour les tâches de détection/classification d'objets.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.BboxLoss
Bases : Module
Classe de critères pour le calcul des pertes de formation pendant la formation.
Code source dans ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
Initialise le module BboxLoss avec le maximum de régularisation et les paramètres DFL.
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
Perte de l'IoU.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.RotatedBboxLoss
Bases : BboxLoss
Classe de critères pour le calcul des pertes de formation pendant la formation.
Code source dans ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
Initialise le module BboxLoss avec le maximum de régularisation et les paramètres DFL.
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
Perte de l'IoU.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.KeypointLoss
Bases : Module
Classe de critères pour le calcul des pertes de formation.
Code source dans ultralytics/utils/loss.py
__init__(sigmas)
forward(pred_kpts, gt_kpts, kpt_mask, area)
Calcule le facteur de perte des points clés et la perte de distance euclidienne pour les points clés prédits et réels.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.v8DetectionLoss
Classe de critères pour le calcul des pertes de formation.
Code source dans ultralytics/utils/loss.py
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 |
|
__call__(preds, batch)
Calcule la somme des pertes pour box, cls et dfl multipliée par la taille du lot.
Code source dans ultralytics/utils/loss.py
__init__(model)
Initialise v8DetectionLoss avec le modèle, en définissant les propriétés liées au modèle et la fonction de perte BCE.
Code source dans ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist)
Décode les coordonnées de la boîte de délimitation de l'objet prédit à partir des points d'ancrage et de la distribution.
Code source dans ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
Prétraite les comptes cibles et les fait correspondre à la taille du lot d'entrée pour produire un tensor.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.v8SegmentationLoss
Bases : v8DetectionLoss
Classe de critères pour le calcul des pertes de formation.
Code source dans ultralytics/utils/loss.py
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 |
|
__call__(preds, batch)
Calcule et renvoie la perte pour le modèle YOLO .
Code source dans ultralytics/utils/loss.py
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 |
|
__init__(model)
Initialise la classe v8SegmentationLoss, en prenant un modèle dépareillé comme argument.
calculate_segmentation_loss(fg_mask, masks, target_gt_idx, target_bboxes, batch_idx, proto, pred_masks, imgsz, overlap)
Calcule la perte pour la segmentation de l'instance.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
fg_mask |
Tensor
|
Une tensor binaire de forme (BS, N_anchors) indiquant quelles ancres sont positives. |
requis |
masks |
Tensor
|
Masques de vérité au sol de forme (BS, H, W) si |
requis |
target_gt_idx |
Tensor
|
Indices des objets de vérité terrain pour chaque ancre de la forme (BS, N_anchors). |
requis |
target_bboxes |
Tensor
|
Boîtes de délimitation de la vérité terrain pour chaque ancre de forme (BS, N_anchors, 4). |
requis |
batch_idx |
Tensor
|
Indices de lots de la forme (N_labels_in_batch, 1). |
requis |
proto |
Tensor
|
Prototype de masques de forme (BS, 32, H, W). |
requis |
pred_masks |
Tensor
|
Masques prédits pour chaque ancre de la forme (BS, N_anchors, 32). |
requis |
imgsz |
Tensor
|
Taille de l'image d'entrée en tant que tensor de la forme (2), c'est-à -dire (H, W). |
requis |
overlap |
bool
|
Que les masques en |
requis |
Retourne :
Type | Description |
---|---|
Tensor
|
La perte calculée pour la segmentation de l'instance. |
Notes
La perte de lots peut être calculée pour améliorer la vitesse et l'utilisation de la mémoire. Par exemple, pred_mask peut être calculé comme suit : pred_mask = torch.einsum('in,nhw->ihw', pred, proto) # (i, 32) @ (32, 160, 160) -> (i, 160, 160)
Code source dans ultralytics/utils/loss.py
single_mask_loss(gt_mask, pred, proto, xyxy, area)
staticmethod
Calcule la perte de segmentation de l'instance pour une seule image.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
gt_mask |
Tensor
|
Masque de vérité terrain de forme (n, H, W), où n est le nombre d'objets. |
requis |
pred |
Tensor
|
Coefficients de masque prédits de la forme (n, 32). |
requis |
proto |
Tensor
|
Prototype de masques de forme (32, H, L). |
requis |
xyxy |
Tensor
|
Boîtes de délimitation de la vérité au sol au format xyxy, normalisées à [0, 1], de forme (n, 4). |
requis |
area |
Tensor
|
Surface de chaque boîte de délimitation de la vérité terrain de la forme (n,). |
requis |
Retourne :
Type | Description |
---|---|
Tensor
|
La perte de masque calculée pour une seule image. |
Notes
La fonction utilise l'équation pred_mask = torch.einsum('in,nhw->ihw', pred, proto) pour produire les masques prédits à partir des masques prototypes et des coefficients des masques prédits. masques prédits à partir des masques prototypes et des coefficients des masques prédits.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.v8PoseLoss
Bases : v8DetectionLoss
Classe de critères pour le calcul des pertes de formation.
Code source dans ultralytics/utils/loss.py
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 |
|
__call__(preds, batch)
Calcule la perte totale et détache-la.
Code source dans ultralytics/utils/loss.py
__init__(model)
Initialise v8PoseLoss avec le modèle, définit les variables de point clé et déclare une instance de perte de point clé.
Code source dans ultralytics/utils/loss.py
calculate_keypoints_loss(masks, target_gt_idx, keypoints, batch_idx, stride_tensor, target_bboxes, pred_kpts)
Calcule la perte de points clés pour le modèle.
Cette fonction calcule la perte de points clés et la perte d'objets de points clés pour un lot donné. La perte de points clés est basée sur la différence entre les points clés prédits et les points clés de la réalité. La perte d'objet des points-clés est une perte de classification binaire qui détermine si un point clé est présent ou non.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
masks |
Tensor
|
Masque binaire tensor indiquant la présence de l'objet, la forme (BS, N_anchors). |
requis |
target_gt_idx |
Tensor
|
Index tensor : mise en correspondance des ancres avec les objets de la vérité terrain, forme (BS, N_anchors). |
requis |
keypoints |
Tensor
|
Points clés de la vérité au sol, forme (N_kpts_in_batch, N_kpts_per_object, kpts_dim). |
requis |
batch_idx |
Tensor
|
Index du lot tensor pour les points clés, forme (N_kpts_in_batch, 1). |
requis |
stride_tensor |
Tensor
|
Stride tensor pour les ancres, forme (N_anchors, 1). |
requis |
target_bboxes |
Tensor
|
Boîtes de vérité terrain au format (x1, y1, x2, y2), forme (BS, N_anchors, 4). |
requis |
pred_kpts |
Tensor
|
Points clés prédits, forme (BS, N_anchors, N_kpts_per_object, kpts_dim). |
requis |
Retourne :
Type | Description |
---|---|
tuple
|
Renvoie un tuple contenant : - kpts_loss (torch.Tensor) : La perte des keypoints. - kpts_obj_loss (torch.Tensor) : La perte de l'objet keypoints. |
Code source dans ultralytics/utils/loss.py
kpts_decode(anchor_points, pred_kpts)
staticmethod
Décode les points clés prédits en coordonnées d'image.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.v8ClassificationLoss
Classe de critères pour le calcul des pertes de formation.
Code source dans ultralytics/utils/loss.py
__call__(preds, batch)
Calcule la perte de classification entre les prédictions et les vraies étiquettes.
Code source dans ultralytics/utils/loss.py
ultralytics.utils.loss.v8OBBLoss
Bases : v8DetectionLoss
Code source dans ultralytics/utils/loss.py
600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 |
|
__call__(preds, batch)
Calcule et renvoie la perte pour le modèle YOLO .
Code source dans ultralytics/utils/loss.py
__init__(model)
Initialise v8OBBLoss avec le modèle, l'assignateur et la perte de la boîte de rotation.
Le modèle de note doit être dépareillé.
Code source dans ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist, pred_angle)
Décode les coordonnées de la boîte de délimitation de l'objet prédit à partir des points d'ancrage et de la distribution.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
anchor_points |
Tensor
|
Points d'ancrage, (h*w, 2). |
requis |
pred_dist |
Tensor
|
Distance de rotation prévue, (bs, h*w, 4). |
requis |
pred_angle |
Tensor
|
Angle prévu, (bs, h*w, 1). |
requis |
Retourne :
Type | Description |
---|---|
Tensor
|
Boîtes de délimitation tournées prédites avec les angles, (bs, h*w, 5). |
Code source dans ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
Prétraite les comptes cibles et les fait correspondre à la taille du lot d'entrée pour produire un tensor.
Code source dans ultralytics/utils/loss.py
Créé le 2023-11-12, Mis à jour le 2024-05-08
Auteurs : Burhan-Q (1), glenn-jocher (4), Laughing-q (1)