सामग्री पर जाएं

के लिए संदर्भ ultralytics/data/split_dota.py

नोट

यह फ़ाइल यहाँ उपलब्ध है https://github.com/ultralytics/ultralytics/बूँद/मुख्य/ultralytics/data/split_dota.py का उपयोग करें। यदि आप कोई समस्या देखते हैं तो कृपया पुल अनुरोध का योगदान करके इसे ठीक करने में मदद करें 🛠️। 🙏 धन्यवाद !



ultralytics.data.split_dota.bbox_iof(polygon1, bbox2, eps=1e-06)

bbox1 और bbox2 के बीच iofs की गणना करें।

पैरामीटर:

नाम प्रकार विवरण: __________ चूक
polygon1 ndarray

बहुभुज निर्देशांक, (एन, 8)।

आवश्यक
bbox2 ndarray

बाउंडिंग बॉक्स, (एन, 4)।

आवश्यक
में स्रोत कोड ultralytics/data/split_dota.py
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44454647484950 5152 53
def bbox_iof(polygon1, bbox2, eps=1e-6):
    """
    Calculate iofs between bbox1 and bbox2.

    Args:
        polygon1 (np.ndarray): Polygon coordinates, (n, 8).
        bbox2 (np.ndarray): Bounding boxes, (n ,4).
    """
    polygon1 = polygon1.reshape(-1, 4, 2)
    lt_point = np.min(polygon1, axis=-2)
    rb_point = np.max(polygon1, axis=-2)
    bbox1 = np.concatenate([lt_point, rb_point], axis=-1)

    lt = np.maximum(bbox1[:, None, :2], bbox2[..., :2])
    rb = np.minimum(bbox1[:, None, 2:], bbox2[..., 2:])
    wh = np.clip(rb - lt, 0, np.inf)
    h_overlaps = wh[..., 0] * wh[..., 1]

    l, t, r, b = (bbox2[..., i] for i in range(4))
    polygon2 = np.stack([l, t, r, t, r, b, l, b], axis=-1).reshape(-1, 4, 2)

    sg_polys1 = [Polygon(p) for p in polygon1]
    sg_polys2 = [Polygon(p) for p in polygon2]
    overlaps = np.zeros(h_overlaps.shape)
    for p in zip(*np.nonzero(h_overlaps)):
        overlaps[p] = sg_polys1[p[0]].intersection(sg_polys2[p[-1]]).area
    unions = np.array([p.area for p in sg_polys1], dtype=np.float32)
    unions = unions[..., None]

    unions = np.clip(unions, eps, np.inf)
    outputs = overlaps / unions
    if outputs.ndim == 1:
        outputs = outputs[..., None]
    return outputs



ultralytics.data.split_dota.load_yolo_dota(data_root, split='train')

DOTA डेटासेट लोड करें।

पैरामीटर:

नाम प्रकार विवरण: __________ चूक
data_root str

डेटा रूट.

आवश्यक
split str

विभाजित डेटा सेट, ट्रेन या वैल हो सकता है।

'train'
नोट्स

DOTA डेटासेट के लिए मानी गई निर्देशिका संरचना: - data_root -छवियां -रेलगाड़ी - वैल -लेबल -रेलगाड़ी - वैल

में स्रोत कोड ultralytics/data/split_dota.py
56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72  73 74 75 76 777879808182838485 86
def load_yolo_dota(data_root, split="train"):
    """
    Load DOTA dataset.

    Args:
        data_root (str): Data root.
        split (str): The split data set, could be train or val.

    Notes:
        The directory structure assumed for the DOTA dataset:
            - data_root
                - images
                    - train
                    - val
                - labels
                    - train
                    - val
    """
    assert split in ["train", "val"]
    im_dir = Path(data_root) / "images" / split
    assert im_dir.exists(), f"Can't find {im_dir}, please check your data root."
    im_files = glob(str(Path(data_root) / "images" / split / "*"))
    lb_files = img2label_paths(im_files)
    annos = []
    for im_file, lb_file in zip(im_files, lb_files):
        w, h = exif_size(Image.open(im_file))
        with open(lb_file) as f:
            lb = [x.split() for x in f.read().strip().splitlines() if len(x)]
            lb = np.array(lb, dtype=np.float32)
        annos.append(dict(ori_size=(h, w), label=lb, filepath=im_file))
    return annos



ultralytics.data.split_dota.get_windows(im_size, crop_sizes=[1024], gaps=[200], im_rate_thr=0.6, eps=0.01)

खिड़कियों के निर्देशांक प्राप्त करें।

पैरामीटर:

नाम प्रकार विवरण: __________ चूक
im_size tuple

मूल छवि आकार, (h, w)।

आवश्यक
crop_sizes List(int

खिड़कियों का फसल आकार।

[1024]
gaps List(int

फसलों के बीच अंतर।

[200]
im_rate_thr float

छवि एरेस द्वारा विभाजित खिड़कियों क्षेत्रों की दहलीज।

0.6
में स्रोत कोड ultralytics/data/split_dota.py
 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 118119 120   121 122  123 124 125 126 127 128 129
def get_windows(im_size, crop_sizes=[1024], gaps=[200], im_rate_thr=0.6, eps=0.01):
    """
    Get the coordinates of windows.

    Args:
        im_size (tuple): Original image size, (h, w).
        crop_sizes (List(int)): Crop size of windows.
        gaps (List(int)): Gap between crops.
        im_rate_thr (float): Threshold of windows areas divided by image ares.
    """
    h, w = im_size
    windows = []
    for crop_size, gap in zip(crop_sizes, gaps):
        assert crop_size > gap, f"invalid crop_size gap pair [{crop_size} {gap}]"
        step = crop_size - gap

        xn = 1 if w <= crop_size else ceil((w - crop_size) / step + 1)
        xs = [step * i for i in range(xn)]
        if len(xs) > 1 and xs[-1] + crop_size > w:
            xs[-1] = w - crop_size

        yn = 1 if h <= crop_size else ceil((h - crop_size) / step + 1)
        ys = [step * i for i in range(yn)]
        if len(ys) > 1 and ys[-1] + crop_size > h:
            ys[-1] = h - crop_size

        start = np.array(list(itertools.product(xs, ys)), dtype=np.int64)
        stop = start + crop_size
        windows.append(np.concatenate([start, stop], axis=1))
    windows = np.concatenate(windows, axis=0)

    im_in_wins = windows.copy()
    im_in_wins[:, 0::2] = np.clip(im_in_wins[:, 0::2], 0, w)
    im_in_wins[:, 1::2] = np.clip(im_in_wins[:, 1::2], 0, h)
    im_areas = (im_in_wins[:, 2] - im_in_wins[:, 0]) * (im_in_wins[:, 3] - im_in_wins[:, 1])
    win_areas = (windows[:, 2] - windows[:, 0]) * (windows[:, 3] - windows[:, 1])
    im_rates = im_areas / win_areas
    if not (im_rates > im_rate_thr).any():
        max_rate = im_rates.max()
        im_rates[abs(im_rates - max_rate) < eps] = 1
    return windows[im_rates > im_rate_thr]



ultralytics.data.split_dota.get_window_obj(anno, windows, iof_thr=0.7)

प्रत्येक विंडो के लिए ऑब्जेक्ट प्राप्त करें।

में स्रोत कोड ultralytics/data/split_dota.py
132 133 134 135 136 137 138139 140 141 142143
def get_window_obj(anno, windows, iof_thr=0.7):
    """Get objects for each window."""
    h, w = anno["ori_size"]
    label = anno["label"]
    if len(label):
        label[:, 1::2] *= w
        label[:, 2::2] *= h
        iofs = bbox_iof(label[:, 1:], windows)
        # Unnormalized and misaligned coordinates
        return [(label[iofs[:, i] >= iof_thr]) for i in range(len(windows))]  # window_anns
    else:
        return [np.zeros((0, 9), dtype=np.float32) for _ in range(len(windows))]  # window_anns



ultralytics.data.split_dota.crop_and_save(anno, windows, window_objs, im_dir, lb_dir)

छवियों को क्रॉप करें और नए लेबल सहेजें।

पैरामीटर:

नाम प्रकार विवरण: __________ चूक
anno dict

एनोटेशन डिक्ट, सहित filepath, label, ori_size इसकी चाबियों के रूप में।

आवश्यक
windows list

विंडोज़ निर्देशांक की एक सूची।

आवश्यक
window_objs list

प्रत्येक विंडो के अंदर लेबल की एक सूची।

आवश्यक
im_dir str

छवियों का आउटपुट निर्देशिका पथ।

आवश्यक
lb_dir str

लेबल का आउटपुट निर्देशिका पथ।

आवश्यक
नोट्स

DOTA डेटासेट के लिए मानी गई निर्देशिका संरचना: - data_root -छवियां -रेलगाड़ी - वैल -लेबल -रेलगाड़ी - वैल

में स्रोत कोड ultralytics/data/split_dota.py
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 176177 178179 180 181 182 183 184 185 186 187
def crop_and_save(anno, windows, window_objs, im_dir, lb_dir):
    """
    Crop images and save new labels.

    Args:
        anno (dict): Annotation dict, including `filepath`, `label`, `ori_size` as its keys.
        windows (list): A list of windows coordinates.
        window_objs (list): A list of labels inside each window.
        im_dir (str): The output directory path of images.
        lb_dir (str): The output directory path of labels.

    Notes:
        The directory structure assumed for the DOTA dataset:
            - data_root
                - images
                    - train
                    - val
                - labels
                    - train
                    - val
    """
    im = cv2.imread(anno["filepath"])
    name = Path(anno["filepath"]).stem
    for i, window in enumerate(windows):
        x_start, y_start, x_stop, y_stop = window.tolist()
        new_name = f"{name}__{x_stop - x_start}__{x_start}___{y_start}"
        patch_im = im[y_start:y_stop, x_start:x_stop]
        ph, pw = patch_im.shape[:2]

        cv2.imwrite(str(Path(im_dir) / f"{new_name}.jpg"), patch_im)
        label = window_objs[i]
        if len(label) == 0:
            continue
        label[:, 1::2] -= x_start
        label[:, 2::2] -= y_start
        label[:, 1::2] /= pw
        label[:, 2::2] /= ph

        with open(Path(lb_dir) / f"{new_name}.txt", "w") as f:
            for lb in label:
                formatted_coords = ["{:.6g}".format(coord) for coord in lb[1:]]
                f.write(f"{int(lb[0])} {' '.join(formatted_coords)}\n")



ultralytics.data.split_dota.split_images_and_labels(data_root, save_dir, split='train', crop_sizes=[1024], gaps=[200])

छवियों और लेबल दोनों को विभाजित करें।

नोट्स

DOTA डेटासेट के लिए मानी गई निर्देशिका संरचना: - data_root -छवियां -चीरना -लेबल -चीरना और आउटपुट निर्देशिका संरचना है: - save_dir -छवियां -चीरना -लेबल -चीरना

में स्रोत कोड ultralytics/data/split_dota.py
190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208209 210 211 212 213 214 215 216 217
def split_images_and_labels(data_root, save_dir, split="train", crop_sizes=[1024], gaps=[200]):
    """
    Split both images and labels.

    Notes:
        The directory structure assumed for the DOTA dataset:
            - data_root
                - images
                    - split
                - labels
                    - split
        and the output directory structure is:
            - save_dir
                - images
                    - split
                - labels
                    - split
    """
    im_dir = Path(save_dir) / "images" / split
    im_dir.mkdir(parents=True, exist_ok=True)
    lb_dir = Path(save_dir) / "labels" / split
    lb_dir.mkdir(parents=True, exist_ok=True)

    annos = load_yolo_dota(data_root, split=split)
    for anno in tqdm(annos, total=len(annos), desc=split):
        windows = get_windows(anno["ori_size"], crop_sizes, gaps)
        window_objs = get_window_obj(anno, windows)
        crop_and_save(anno, windows, window_objs, str(im_dir), str(lb_dir))



ultralytics.data.split_dota.split_trainval(data_root, save_dir, crop_size=1024, gap=200, rates=[1.0])

स्प्लिट ट्रेन और डीओटीए का वैल सेट।

नोट्स

DOTA डेटासेट के लिए मानी गई निर्देशिका संरचना: - data_root -छवियां -रेलगाड़ी - वैल -लेबल -रेलगाड़ी - वैल और आउटपुट निर्देशिका संरचना है: - save_dir -छवियां -रेलगाड़ी - वैल -लेबल -रेलगाड़ी - वैल

में स्रोत कोड ultralytics/data/split_dota.py
220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238239 240 241 242 243 244 245 246 247
def split_trainval(data_root, save_dir, crop_size=1024, gap=200, rates=[1.0]):
    """
    Split train and val set of DOTA.

    Notes:
        The directory structure assumed for the DOTA dataset:
            - data_root
                - images
                    - train
                    - val
                - labels
                    - train
                    - val
        and the output directory structure is:
            - save_dir
                - images
                    - train
                    - val
                - labels
                    - train
                    - val
    """
    crop_sizes, gaps = [], []
    for r in rates:
        crop_sizes.append(int(crop_size / r))
        gaps.append(int(gap / r))
    for split in ["train", "val"]:
        split_images_and_labels(data_root, save_dir, split, crop_sizes, gaps)



ultralytics.data.split_dota.split_test(data_root, save_dir, crop_size=1024, gap=200, rates=[1.0])

DOTA का स्प्लिट टेस्ट सेट, लेबल इस सेट में शामिल नहीं हैं।

नोट्स

DOTA डेटासेट के लिए मानी गई निर्देशिका संरचना: - data_root -छवियां -परीक्षा और आउटपुट निर्देशिका संरचना है: - save_dir -छवियां -परीक्षा

में स्रोत कोड ultralytics/data/split_dota.py
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 282283
def split_test(data_root, save_dir, crop_size=1024, gap=200, rates=[1.0]):
    """
    Split test set of DOTA, labels are not included within this set.

    Notes:
        The directory structure assumed for the DOTA dataset:
            - data_root
                - images
                    - test
        and the output directory structure is:
            - save_dir
                - images
                    - test
    """
    crop_sizes, gaps = [], []
    for r in rates:
        crop_sizes.append(int(crop_size / r))
        gaps.append(int(gap / r))
    save_dir = Path(save_dir) / "images" / "test"
    save_dir.mkdir(parents=True, exist_ok=True)

    im_dir = Path(data_root) / "images" / "test"
    assert im_dir.exists(), f"Can't find {im_dir}, please check your data root."
    im_files = glob(str(im_dir / "*"))
    for im_file in tqdm(im_files, total=len(im_files), desc="test"):
        w, h = exif_size(Image.open(im_file))
        windows = get_windows((h, w), crop_sizes=crop_sizes, gaps=gaps)
        im = cv2.imread(im_file)
        name = Path(im_file).stem
        for window in windows:
            x_start, y_start, x_stop, y_stop = window.tolist()
            new_name = f"{name}__{x_stop - x_start}__{x_start}___{y_start}"
            patch_im = im[y_start:y_stop, x_start:x_stop]
            cv2.imwrite(str(save_dir / f"{new_name}.jpg"), patch_im)





2024-01-05 बनाया गया, अपडेट किया गया 2024-01-12
लेखक: ग्लेन-जोचर (2)