Référence pour ultralytics/utils/metrics.py
Note
Ce fichier est disponible à l'adresse https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/metrics .py. Si tu repères un problème, aide à le corriger en contribuant à une Pull Request 🛠️. Merci 🙏 !
ultralytics.utils.metrics.ConfusionMatrix
Une classe pour calculer et mettre à jour une matrice de confusion pour les tâches de détection et de classification d'objets.
Attributs :
Nom | Type | Description |
---|---|---|
task |
str
|
Le type de tâche, soit "détecter", soit "classer". |
matrix |
ndarray
|
La matrice de confusion, dont les dimensions dépendent de la tâche. |
nc |
int
|
Le nombre de classes. |
conf |
float
|
Le seuil de confiance pour les détections. |
iou_thres |
float
|
L'intersection au-dessus du seuil de l'Union. |
Code source dans 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')
Initialise les attributs du modèle YOLO .
Code source dans ultralytics/utils/metrics.py
matrix()
plot(normalize=True, save_dir='', names=(), on_plot=None)
Trace la matrice de confusion Ă l'aide de seaborn et enregistre-la dans un fichier.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
normalize |
bool
|
S'il faut normaliser la matrice de confusion. |
True
|
save_dir |
str
|
Répertoire où l'intrigue sera sauvegardée. |
''
|
names |
tuple
|
Noms des classes, utilisés comme étiquettes sur le graphique. |
()
|
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. |
None
|
Code source dans ultralytics/utils/metrics.py
print()
process_batch(detections, gt_bboxes, gt_cls)
Mets à jour la matrice de confusion pour la tâche de détection d'objets.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
detections |
Array[N, 6] | Array[N, 7]
|
Boîtes de délimitation détectées et leurs informations associées.
Chaque ligne doit contenir (x1, y1, x2, y2, conf, class)
ou avec un élément supplémentaire |
requis |
gt_bboxes |
Array[M, 4] | Array[N, 5]
|
Boîtes de délimitation de la vérité terrain au format xyxy/xyr. |
requis |
gt_cls |
Array[M]
|
Les Ă©tiquettes de la classe. |
requis |
Code source dans ultralytics/utils/metrics.py
process_cls_preds(preds, targets)
Mets à jour la matrice de confusion pour la tâche de classification.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
preds |
Array[N, min(nc, 5)]
|
Étiquettes de classe prédites. |
requis |
targets |
Array[N, 1]
|
Les étiquettes de classe de la vérité de base. |
requis |
Code source dans ultralytics/utils/metrics.py
tp_fp()
Renvoie les vrais positifs et les faux positifs.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.Metric
Bases : SimpleClass
Classe permettant de calculer les mesures d'évaluation du modèle YOLOv8 .
Attributs :
Nom | Type | Description |
---|---|---|
p |
list
|
Précision pour chaque classe. Forme : (nc,). |
r |
list
|
Rappel pour chaque classe. Forme : (nc,). |
f1 |
list
|
Score F1 pour chaque classe. Forme : (nc,). |
all_ap |
list
|
Notes d'AP pour toutes les classes et tous les seuils de l'IoU. Forme : (nc, 10). |
ap_class_index |
list
|
Indice de classe pour chaque note d'AP. Forme : (nc,). |
nc |
int
|
Nombre de classes. |
MĂ©thodes :
Nom | Description |
---|---|
ap50 |
AP au seuil de l'IoU de 0,5 pour toutes les classes. Retourne : Liste des scores AP. Forme : (nc,) ou []. |
ap |
AP aux seuils de l'IoU de 0,5 Ă 0,95 pour toutes les classes. Retourne : Liste des scores AP. Forme : (nc,) ou []. |
mp |
Précision moyenne de toutes les classes. Retourne : Flottant. |
mr |
Moyenne des rappels de toutes les classes. Retourne : Flottant. |
map50 |
AP moyen au seuil de l'IoU de 0,5 pour toutes les classes. Retourne : Flottant. |
map75 |
AP moyen au seuil de l'IoU de 0,75 pour toutes les classes. Retourne : Flottant. |
map |
AP moyen aux seuils de l'IoU de 0,5 Ă 0,95 pour toutes les classes. Retourne : Flottant. |
mean_results |
Moyenne des résultats, rendements mp, mr, map50, map. |
class_result |
RĂ©sultat tenant compte des classes, renvoie p[i], r[i], ap50[i], ap[i]. |
maps |
mAP de chaque classe. Retourne : Tableau de scores mAP, forme : (nc,). |
fitness |
Modélise l'aptitude comme une combinaison pondérée de mesures. Retourne : Flottant. |
update |
Mets à jour les attributs des métriques avec les nouveaux résultats d'évaluation. |
Code source dans 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
Renvoie la précision moyenne (AP) à un seuil d'IoU de 0,5 à 0,95 pour toutes les classes.
Retourne :
Type | Description |
---|---|
(ndarray, list)
|
Tableau de formes (nc,) avec les valeurs AP50-95 par classe, ou une liste vide si elles ne sont pas disponibles. |
ap50
property
Renvoie la précision moyenne (AP) à un seuil de l'IoU de 0,5 pour toutes les classes.
Retourne :
Type | Description |
---|---|
(ndarray, list)
|
Tableau de formes (nc,) avec les valeurs AP50 par classe, ou une liste vide si elles ne sont pas disponibles. |
curves
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
curves_results
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
map
property
Renvoie la précision moyenne (mAP) sur les seuils de l'IoU de 0,5 à 0,95 par pas de 0,05.
Retourne :
Type | Description |
---|---|
float
|
Le mAP sur les seuils de l'IoU de 0,5 Ă 0,95 par pas de 0,05. |
map50
property
Renvoie la précision moyenne (mAP) à un seuil d'information sur l'utilisateur de 0,5.
Retourne :
Type | Description |
---|---|
float
|
Le mAP Ă un seuil d'information sur l'Ă©tat de l'environnement de 0,5. |
map75
property
Renvoie la précision moyenne (mAP) à un seuil d'information sur l'utilisateur de 0,75.
Retourne :
Type | Description |
---|---|
float
|
Le mAP Ă un seuil d'utilisation de 0,75. |
maps
property
MAP de chaque classe.
mp
property
Renvoie la précision moyenne de toutes les classes.
Retourne :
Type | Description |
---|---|
float
|
La précision moyenne de toutes les classes. |
mr
property
Renvoie le rappel moyen de toutes les classes.
Retourne :
Type | Description |
---|---|
float
|
Le rappel moyen de toutes les classes. |
__init__()
Initialise une instance de métrique pour calculer les métriques d'évaluation du modèle YOLOv8 .
Code source dans ultralytics/utils/metrics.py
class_result(i)
fitness()
Modéliser l'aptitude comme une combinaison pondérée de mesures.
mean_results()
update(results)
Met à jour les métriques d'évaluation du modèle avec un nouvel ensemble de résultats.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
results |
tuple
|
Un tuple contenant les mesures d'évaluation suivantes : - p (liste) : Précision pour chaque classe. Forme : (nc,). - r (liste) : Rappel pour chaque classe. Forme : (nc,). - f1 (liste) : Score F1 pour chaque classe. Forme : (nc,). - all_ap (liste) : Scores AP pour toutes les classes et tous les seuils de l'IoU. Forme : (nc, 10). - ap_class_index (liste) : Indice de la classe pour chaque score AP. Forme : (nc,). |
requis |
Effets secondaires
Met Ă jour les attributs de la classe self.p
, self.r
, self.f1
, self.all_ap
et self.ap_class_index
sur la base
sur la base des valeurs fournies dans le results
tuple.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.DetMetrics
Bases : SimpleClass
Cette classe est une classe utilitaire qui permet de calculer les mesures de détection telles que la précision, le rappel et la précision moyenne (mAP) d'un modèle de détection d'objets. (mAP) d'un modèle de détection d'objets.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
save_dir |
Path
|
Chemin d'accès au répertoire dans lequel les tracés de sortie seront enregistrés. La valeur par défaut est le répertoire actuel. |
Path('.')
|
plot |
bool
|
Un drapeau qui indique s'il faut tracer des courbes de précision-rappel pour chaque classe. La valeur par défaut est False. |
False
|
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. La valeur par défaut est None. |
None
|
names |
tuple of str
|
Un tuple de chaînes de caractères qui représente les noms des classes. La valeur par défaut est un tuple vide. |
()
|
Attributs :
Nom | Type | Description |
---|---|---|
save_dir |
Path
|
Chemin d'accès au répertoire dans lequel les tracés de sortie seront enregistrés. |
plot |
bool
|
Un drapeau qui indique s'il faut tracer les courbes de précision-rappel pour chaque classe. |
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. |
names |
tuple of str
|
Un tuple de chaînes de caractères qui représente les noms des classes. |
box |
Metric
|
Une instance de la classe Metric pour stocker les résultats des métriques de détection. |
speed |
dict
|
Un dictionnaire pour stocker le temps d'exécution des différentes parties du processus de détection. |
MĂ©thodes :
Nom | Description |
---|---|
process |
Met à jour les résultats métriques avec le dernier lot de prédictions. |
keys |
Renvoie une liste de clés permettant d'accéder aux mesures de détection calculées. |
mean_results |
Renvoie une liste de valeurs moyennes pour les mesures de détection calculées. |
class_result |
Renvoie une liste de valeurs pour les métriques de détection calculées pour une classe spécifique. |
maps |
Renvoie un dictionnaire de valeurs de précision moyenne (mAP) pour différents seuils de l'IoU. |
fitness |
Calcule le score d'aptitude en fonction des mesures de détection calculées. |
ap_class_index |
Renvoie une liste d'indices de classe triés par leurs valeurs de précision moyenne (AP). |
results_dict |
Renvoie un dictionnaire qui associe les clés de la métrique de détection à leurs valeurs calculées. |
curves |
TODO |
curves_results |
TODO |
Code source dans 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
Renvoie l'indice de précision moyen par classe.
curves
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
curves_results
property
Retourne le dictionnaire des mesures et statistiques de performance calculées.
fitness
property
Renvoie la forme physique de l'objet boîte.
keys
property
Renvoie une liste de clés permettant d'accéder à des mesures spécifiques.
maps
property
Renvoie les scores de précision moyenne (mAP) par classe.
results_dict
property
Retourne le dictionnaire des mesures et statistiques de performance calculées.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Initialise une instance DetMetrics avec un répertoire de sauvegarde, un drapeau de tracé, une fonction de rappel et des noms de classe.
Code source dans ultralytics/utils/metrics.py
class_result(i)
Renvoie le résultat de l'évaluation des performances d'un modèle de détection d'objets sur une classe spécifique.
mean_results()
process(tp, conf, pred_cls, target_cls)
Traite les résultats prédits pour la détection d'objets et mets à jour les métriques.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.SegmentMetrics
Bases : SimpleClass
Calcule et agrège les métriques de détection et de segmentation sur un ensemble donné de classes.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
save_dir |
Path
|
Chemin d'accès au répertoire dans lequel les tracés de sortie doivent être enregistrés. La valeur par défaut est le répertoire actuel. |
Path('.')
|
plot |
bool
|
Enregistre ou non les tracés de détection et de segmentation. La valeur par défaut est False. |
False
|
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. La valeur par défaut est None. |
None
|
names |
list
|
Liste de noms de classes. La valeur par défaut est une liste vide. |
()
|
Attributs :
Nom | Type | Description |
---|---|---|
save_dir |
Path
|
Chemin d'accès au répertoire où les tracés de sortie doivent être enregistrés. |
plot |
bool
|
Enregistre ou non les tracés de détection et de segmentation. |
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. |
names |
list
|
Liste des noms de classe. |
box |
Metric
|
Une instance de la classe Metric pour calculer les métriques de détection des boîtes. |
seg |
Metric
|
Une instance de la classe Metric pour calculer les métriques de segmentation des masques. |
speed |
dict
|
Dictionnaire pour stocker le temps pris dans les différentes phases de l'inférence. |
MĂ©thodes :
Nom | Description |
---|---|
process |
Traite les métriques sur l'ensemble des prédictions données. |
mean_results |
Renvoie la moyenne des métriques de détection et de segmentation sur toutes les classes. |
class_result |
Renvoie les métriques de détection et de segmentation de la classe |
maps |
Renvoie les scores de précision moyenne (mAP) pour les seuils de l'IoU allant de 0,50 à 0,95. |
fitness |
Renvoie les scores de fitness, qui sont une combinaison unique et pondérée de métriques. |
ap_class_index |
Renvoie la liste des indices de classes utilisés pour calculer la précision moyenne (AP). |
results_dict |
Renvoie le dictionnaire contenant toutes les métriques de détection et de segmentation et le score de fitness. |
Code source dans 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
Les boîtes et les masques ont le même index ap_class_index.
curves
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
curves_results
property
Retourne le dictionnaire des mesures et statistiques de performance calculées.
fitness
property
Obtiens le score d'aptitude pour les modèles de segmentation et de boîte englobante.
keys
property
Renvoie une liste de clés permettant d'accéder aux métriques.
maps
property
Renvoie les scores mAP pour les modèles de détection d'objets et de segmentation sémantique.
results_dict
property
Renvoie les résultats du modèle de détection des objets pour évaluation.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Initialise une instance de SegmentMetrics avec un répertoire de sauvegarde, un drapeau de tracé, une fonction de rappel et des noms de classe.
Code source dans ultralytics/utils/metrics.py
class_result(i)
mean_results()
Renvoie les mesures moyennes pour la boîte englobante et les résultats de la segmentation.
process(tp, tp_m, conf, pred_cls, target_cls)
Traite les métriques de détection et de segmentation sur l'ensemble des prédictions données.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
tp |
list
|
Liste des boîtes True Positive. |
requis |
tp_m |
list
|
Liste des masques vraiment positifs. |
requis |
conf |
list
|
Liste des scores de confiance. |
requis |
pred_cls |
list
|
Liste des classes prédites. |
requis |
target_cls |
list
|
Liste des classes cibles. |
requis |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.PoseMetrics
Bases : SegmentMetrics
Calcule et agrège les métriques de détection et de pose sur un ensemble donné de classes.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
save_dir |
Path
|
Chemin d'accès au répertoire dans lequel les tracés de sortie doivent être enregistrés. La valeur par défaut est le répertoire actuel. |
Path('.')
|
plot |
bool
|
Enregistre ou non les tracés de détection et de segmentation. La valeur par défaut est False. |
False
|
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. La valeur par défaut est None. |
None
|
names |
list
|
Liste de noms de classes. La valeur par défaut est une liste vide. |
()
|
Attributs :
Nom | Type | Description |
---|---|---|
save_dir |
Path
|
Chemin d'accès au répertoire où les tracés de sortie doivent être enregistrés. |
plot |
bool
|
Enregistre ou non les tracés de détection et de segmentation. |
on_plot |
func
|
Un rappel facultatif pour transmettre le chemin des parcelles et les données lorsqu'elles sont rendues. |
names |
list
|
Liste des noms de classe. |
box |
Metric
|
Une instance de la classe Metric pour calculer les métriques de détection des boîtes. |
pose |
Metric
|
Une instance de la classe Metric pour calculer les métriques de segmentation des masques. |
speed |
dict
|
Dictionnaire pour stocker le temps pris dans les différentes phases de l'inférence. |
MĂ©thodes :
Nom | Description |
---|---|
process |
Traite les métriques sur l'ensemble des prédictions données. |
mean_results |
Renvoie la moyenne des métriques de détection et de segmentation sur toutes les classes. |
class_result |
Renvoie les métriques de détection et de segmentation de la classe |
maps |
Renvoie les scores de précision moyenne (mAP) pour les seuils de l'IoU allant de 0,50 à 0,95. |
fitness |
Renvoie les scores de fitness, qui sont une combinaison unique et pondérée de métriques. |
ap_class_index |
Renvoie la liste des indices de classes utilisés pour calculer la précision moyenne (AP). |
results_dict |
Renvoie le dictionnaire contenant toutes les métriques de détection et de segmentation et le score de fitness. |
Code source dans 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
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
curves_results
property
Retourne le dictionnaire des mesures et statistiques de performance calculées.
fitness
property
Calcule les métriques de classification et la vitesse à l'aide de la fonction targets
et pred
les entrées.
keys
property
Retourne la liste des clés métriques d'évaluation.
maps
property
Renvoie la précision moyenne (mAP) par classe pour les détections de boîtes et de poses.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Initialise la classe PoseMetrics avec le chemin du répertoire, les noms des classes et les options de tracé.
Code source dans ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_p, conf, pred_cls, target_cls)
Traite les métriques de détection et de pose sur l'ensemble des prédictions données.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
tp |
list
|
Liste des boîtes True Positive. |
requis |
tp_p |
list
|
Liste des points clés True Positive. |
requis |
conf |
list
|
Liste des scores de confiance. |
requis |
pred_cls |
list
|
Liste des classes prédites. |
requis |
target_cls |
list
|
Liste des classes cibles. |
requis |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.ClassifyMetrics
Bases : SimpleClass
Classe pour le calcul des mesures de classification, y compris la précision du top-1 et du top-5.
Attributs :
Nom | Type | Description |
---|---|---|
top1 |
float
|
Le top-1 de la précision. |
top5 |
float
|
Le top 5 de la précision. |
speed |
Dict[str, float]
|
Un dictionnaire contenant le temps pris pour chaque Ă©tape du pipeline. |
Propriétés
fitness (flottant) : L'aptitude du modèle, qui est égale à la précision du top 5. results_dict (Dict[str, Union[float, str]) :) Un dictionnaire contenant les métriques de classification et la forme physique. keys (List[str]) : Une liste de clés pour le fichier results_dict.
MĂ©thodes :
Nom | Description |
---|---|
process |
Traite les cibles et les prédictions pour calculer les mesures de classification. |
Code source dans ultralytics/utils/metrics.py
curves
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
curves_results
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
fitness
property
Renvoie la moyenne des précisions du top 1 et du top 5 en tant que score de fitness.
keys
property
Renvoie une liste de clés pour la propriété results_dict.
results_dict
property
Renvoie un dictionnaire contenant les mesures de performance et le score de fitness du modèle.
__init__()
Initialise une instance de ClassifyMetrics.
process(targets, pred)
Classes cibles et classes prédites.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.OBBMetrics
Bases : SimpleClass
Code source dans 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
Renvoie l'indice de précision moyen par classe.
curves
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
curves_results
property
Renvoie une liste de courbes permettant d'accéder à des courbes de métriques spécifiques.
fitness
property
Renvoie la forme physique de l'objet boîte.
keys
property
Renvoie une liste de clés permettant d'accéder à des mesures spécifiques.
maps
property
Renvoie les scores de précision moyenne (mAP) par classe.
results_dict
property
Retourne le dictionnaire des mesures et statistiques de performance calculées.
class_result(i)
Renvoie le résultat de l'évaluation des performances d'un modèle de détection d'objets sur une classe spécifique.
mean_results()
Calcule la moyenne des objets détectés et renvoie la précision, le rappel, mAP50 et mAP50-95.
process(tp, conf, pred_cls, target_cls)
Traite les résultats prédits pour la détection d'objets et mets à jour les métriques.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_ioa(box1, box2, iou=False, eps=1e-07)
Calcule l'intersection sur l'aire de la boîte 2 étant donné la boîte 1 et la boîte 2. Les boîtes sont au format x1y1x2y2.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
box1 |
ndarray
|
Un tableau numpy de forme (n, 4) représentant n boîtes de délimitation. |
requis |
box2 |
ndarray
|
Un tableau numpy de forme (m, 4) représentant m boîtes de délimitation. |
requis |
iou |
bool
|
Calcule l'IoU standard if True else return inter_area/box2_area. |
False
|
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
ndarray
|
Un tableau numpy de forme (n, m) représentant l'intersection sur la zone box2. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.box_iou(box1, box2, eps=1e-07)
Calcule l'intersection au-dessus de l'union (IoU) des boîtes. Les deux ensembles de boîtes doivent être au format (x1, y1, x2, y2). Basé sur https://github.com/pytorch/vision/blob/master/torchvision/ops/boxes.py
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
box1 |
Tensor
|
Une tensor de forme (N, 4) représentant N boîtes de délimitation. |
requis |
box2 |
Tensor
|
Une tensor de forme (M, 4) représentant M boîtes de délimitation. |
requis |
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
Tensor
|
Un NxM tensor contenant les valeurs de l'IoU par paire pour chaque élément de la boîte1 et de la boîte2. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-07)
Calcule l'intersection sur l'union (IoU) de la boîte1(1, 4) à la boîte2(n, 4).
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
box1 |
Tensor
|
Un site tensor représentant une boîte de délimitation unique de forme (1, 4). |
requis |
box2 |
Tensor
|
Un site tensor représentant n boîtes de délimitation de forme (n, 4). |
requis |
xywh |
bool
|
Si True, les champs de saisie sont au format (x, y, w, h). Si False, les zones de saisie sont au format (x1, y1, x2, y2). La valeur par défaut est True. |
True
|
GIoU |
bool
|
Si True, calcule l'indice d'utilité généralisé. La valeur par défaut est False. |
False
|
DIoU |
bool
|
Si True, calcule la distance par rapport à l'unité de mesure. La valeur par défaut est False. |
False
|
CIoU |
bool
|
Si True, calcule l'indice d'utilité complet. La valeur par défaut est False. |
False
|
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
Tensor
|
Valeurs IoU, GIoU, DIoU ou CIoU en fonction des drapeaux spécifiés. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.mask_iou(mask1, mask2, eps=1e-07)
Calcule l'indice d'utilité des masques.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
mask1 |
Tensor
|
Un tensor de forme (N, n) où N est le nombre d'objets de vérité terrain et n le produit de la largeur et de la hauteur de l'image. produit de la largeur et de la hauteur de l'image. |
requis |
mask2 |
Tensor
|
Un tensor de forme (M, n) où M est le nombre d'objets prédits et n le produit de la largeur et de la hauteur de l'image. produit de la largeur et de la hauteur de l'image. |
requis |
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
Tensor
|
Un tensor de forme (N, M) représentant des masques IoU. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.kpt_iou(kpt1, kpt2, area, sigma, eps=1e-07)
Calcule la similarité des points clés des objets (OKS).
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
kpt1 |
Tensor
|
Une tensor de forme (N, 17, 3) représentant les points clés de la vérité au sol. |
requis |
kpt2 |
Tensor
|
Une tensor de forme (M, 17, 3) représentant les points clés prédits. |
requis |
area |
Tensor
|
Une tensor de forme (N,) représentant les zones de la vérité du terrain. |
requis |
sigma |
list
|
Une liste contenant 17 valeurs représentant des échelles de points clés. |
requis |
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
Tensor
|
Une tensor de forme (N, M) représentant les similitudes des points clés. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics._get_covariance_matrix(boxes)
Générer une matrice de covariance à partir des obbs.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
boxes |
Tensor
|
Une tensor de forme (N, 5) représentant des boîtes de délimitation tournées, au format xywhr. |
requis |
Retourne :
Type | Description |
---|---|
Tensor
|
Métriques de covariance correspondant aux boîtes de délimitation pivotées d'origine. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.probiou(obb1, obb2, CIoU=False, eps=1e-07)
Calcule le prob IoU entre les boîtes de délimitation orientées, https://arxiv.org/pdf/2106.06072v1.pdf.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
obb1 |
Tensor
|
Une tensor de forme (N, 5) représentant les obbs de vérité terrain, au format xywhr. |
requis |
obb2 |
Tensor
|
Une tensor de forme (N, 5) représentant les obbs prédits, au format xywhr. |
requis |
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
Tensor
|
Une tensor de forme (N, ) représentant les similitudes obb. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.batch_probiou(obb1, obb2, eps=1e-07)
Calcule le prob IoU entre les boîtes de délimitation orientées, https://arxiv.org/pdf/2106.06072v1.pdf.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
obb1 |
Tensor | ndarray
|
Une tensor de forme (N, 5) représentant les obbs de vérité terrain, au format xywhr. |
requis |
obb2 |
Tensor | ndarray
|
Une tensor de forme (M, 5) représentant les obbs prédits, au format xywhr. |
requis |
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-7. |
1e-07
|
Retourne :
Type | Description |
---|---|
Tensor
|
A tensor de forme (N, M) représentant des similitudes obb. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth_BCE(eps=0.1)
Calcule les cibles d'entropie croisée binaire positives et négatives lissées.
Cette fonction calcule les cibles BCE de lissage d'étiquettes positives et négatives en fonction d'une valeur epsilon donnée. Pour les détails de l'implémentation, voir https://github.com/ultralytics/yolov3/issues/238#issuecomment-598028441.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
eps |
float
|
La valeur epsilon pour le lissage des étiquettes. La valeur par défaut est 0,1. |
0.1
|
Retourne :
Type | Description |
---|---|
tuple
|
Un tuple contenant les cibles BCE de lissage des étiquettes positives et négatives. |
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth(y, f=0.05)
Filtre en boîte de la fraction f.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_pr_curve(px, py, ap, save_dir=Path('pr_curve.png'), names=(), on_plot=None)
Trace une courbe de précision et de rappel.
Code source dans 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)
Trace une courbe de confiance métrique.
Code source dans ultralytics/utils/metrics.py
ultralytics.utils.metrics.compute_ap(recall, precision)
Calcule la précision moyenne (AP) à partir des courbes de rappel et de précision.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
recall |
list
|
La courbe de rappel. |
requis |
precision |
list
|
La courbe de précision. |
requis |
Retourne :
Type | Description |
---|---|
float
|
Précision moyenne. |
ndarray
|
Courbe d'enveloppe de précision. |
ndarray
|
Courbe de rappel modifiée avec des valeurs sentinelles ajoutées au début et à la fin. |
Code source dans 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='')
Calcule la précision moyenne par classe pour l'évaluation de la détection des objets.
Paramètres :
Nom | Type | Description | DĂ©faut |
---|---|---|---|
tp |
ndarray
|
Tableau binaire indiquant si la détection est correcte (Vrai) ou non (Faux). |
requis |
conf |
ndarray
|
Tableau des scores de confiance des détections. |
requis |
pred_cls |
ndarray
|
Tableau des classes prédites pour les détections. |
requis |
target_cls |
ndarray
|
Tableau des classes réelles des détections. |
requis |
plot |
bool
|
Indique si les courbes PR doivent être tracées ou non. La valeur par défaut est False. |
False
|
on_plot |
func
|
Un rappel pour passer le chemin des parcelles et les données lorsqu'elles sont rendues. La valeur par défaut est None. |
None
|
save_dir |
Path
|
Répertoire où enregistrer les courbes PR. Le chemin d'accès est vide par défaut. |
Path()
|
names |
tuple
|
Tuple de noms de classes pour tracer les courbes PR. La valeur par défaut est un tuple vide. |
()
|
eps |
float
|
Une petite valeur pour éviter la division par zéro. La valeur par défaut est 1e-16. |
1e-16
|
prefix |
str
|
Une chaîne de préfixes pour l'enregistrement des fichiers de tracé. La valeur par défaut est une chaîne vide. |
''
|
Retourne :
Type | Description |
---|---|
tuple
|
Un tuple de six tableaux et un tableau de classes uniques, où : tp (np.ndarray) : Nombre de vrais positifs au seuil donné par la métrique F1 max pour chaque classe.Forme : (nc,). fp (np.ndarray) : Nombre de faux positifs au seuil donné par la métrique F1 maximale pour chaque classe. Forme : (nc,). p (np.ndarray) : Valeurs de précision au seuil donné par la métrique F1 max pour chaque classe. Forme : (nc,). r (np.ndarray) : Valeurs de rappel au seuil donné par la métrique F1 maximale pour chaque classe. Forme : (nc,). f1 (np.ndarray) : Valeurs du score F1 au seuil donné par la métrique F1 maximale pour chaque classe. Forme : (nc,). ap (np.ndarray) : Précision moyenne pour chaque classe à différents seuils de l'IoU. Forme : (nc, 10). unique_classes (np.ndarray) : Un tableau de classes uniques qui ont des données. Forme : (nc,). p_curve (np.ndarray) : Courbes de précision pour chaque classe. Forme : (nc, 1000). r_curve (np.ndarray) : Courbes de rappel pour chaque classe. Forme : (nc, 1000). f1_curve (np.ndarray) : Courbes du score F1 pour chaque classe. Forme : (nc, 1000). x (np.ndarray) : Valeurs de l'axe des X pour les courbes. Forme : (1000,). prec_values : Valeurs de précision à mAP@0.5 pour chaque classe. Forme : (nc, 1000). |
Code source dans 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 |
|
Créé le 2023-11-12, Mis à jour le 2024-05-08
Auteurs : Burhan-Q (1), glenn-jocher (5), Laughing-q (1)