Riferimento per ultralytics/data/dataset.py
Nota
Questo file è disponibile all'indirizzo https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/dataset .py. Se riscontri un problema, contribuisci a risolverlo inviando una Pull Request 🛠️. Grazie 🙏!
ultralytics.data.dataset.YOLODataset
Basi: BaseDataset
Classe di dati per caricare le etichette di rilevamento e/o segmentazione degli oggetti in formato YOLO .
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
data |
dict
|
Un dizionario YAML del dataset. Il valore predefinito è Nessuno. |
None
|
task |
str
|
Un argomento esplicito per puntare l'attività corrente, predefinito a 'detect'. |
'detect'
|
Restituzione:
Tipo | Descrizione |
---|---|
Dataset
|
Un oggetto del dataset PyTorch che può essere utilizzato per addestrare un modello di rilevamento degli oggetti. |
Codice sorgente in ultralytics/data/dataset.py
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 |
|
__init__(*args, data=None, task='detect', **kwargs)
Inizializza lo YOLODataset con le configurazioni opzionali per i segmenti e i punti chiave.
Codice sorgente in ultralytics/data/dataset.py
build_transforms(hyp=None)
Costruisce e aggiunge le trasformazioni all'elenco.
Codice sorgente in ultralytics/data/dataset.py
cache_labels(path=Path('./labels.cache'))
Memorizza le etichette del dataset, controlla le immagini e legge le forme.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
path |
Path
|
Percorso in cui salvare il file della cache. Il valore predefinito è Path('./labels.cache'). |
Path('./labels.cache')
|
Restituzione:
Tipo | Descrizione |
---|---|
dict
|
etichette. |
Codice sorgente in ultralytics/data/dataset.py
close_mosaic(hyp)
Imposta le opzioni mosaico, copia_incolla e mixup su 0.0 e costruisce le trasformazioni.
Codice sorgente in ultralytics/data/dataset.py
collate_fn(batch)
staticmethod
Raccoglie i campioni di dati in lotti.
Codice sorgente in ultralytics/data/dataset.py
get_labels()
Restituisce il dizionario delle etichette per la formazione di YOLO .
Codice sorgente in ultralytics/data/dataset.py
update_labels_info(label)
Personalizza il formato della tua etichetta qui.
Nota
cls non è con le bbox ora, la classificazione e la segmentazione semantica hanno bisogno di un'etichetta cls indipendente. Può anche supportare la classificazione e la segmentazione semantica aggiungendo o rimuovendo le chiavi dict.
Codice sorgente in ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOMultiModalDataset
Basi: YOLODataset
Classe di dati per caricare le etichette di rilevamento e/o segmentazione degli oggetti in formato YOLO .
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
data |
dict
|
Un dizionario YAML del dataset. Il valore predefinito è Nessuno. |
None
|
task |
str
|
Un argomento esplicito per puntare l'attività corrente, predefinito a 'detect'. |
'detect'
|
Restituzione:
Tipo | Descrizione |
---|---|
Dataset
|
Un oggetto del dataset PyTorch che può essere utilizzato per addestrare un modello di rilevamento degli oggetti. |
Codice sorgente in ultralytics/data/dataset.py
__init__(*args, data=None, task='detect', **kwargs)
Inizializza un oggetto dataset per le attività di rilevamento degli oggetti con specifiche opzionali.
build_transforms(hyp=None)
Migliora le trasformazioni dei dati con l'aggiunta di testo opzionale per la formazione multimodale.
Codice sorgente in ultralytics/data/dataset.py
update_labels_info(label)
Aggiungi informazioni sui testi per la formazione di modelli multimodali.
Codice sorgente in ultralytics/data/dataset.py
ultralytics.data.dataset.GroundingDataset
Basi: YOLODataset
Codice sorgente in ultralytics/data/dataset.py
__init__(*args, task='detect', json_file, **kwargs)
Inizializza un GroundingDataset per il rilevamento degli oggetti, caricando le annotazioni da un file JSON specificato.
Codice sorgente in ultralytics/data/dataset.py
build_transforms(hyp=None)
Configura gli aumenti per l'allenamento con il caricamento di testo opzionale; hyp
regola l'intensità dell'aumento.
Codice sorgente in ultralytics/data/dataset.py
get_img_files(img_path)
get_labels()
Carica le annotazioni da un file JSON, filtra e normalizza i rettangoli di selezione per ogni immagine.
Codice sorgente in ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOConcatDataset
Basi: ConcatDataset
Dataset come concatenazione di più dataset.
Questa classe è utile per assemblare diversi set di dati esistenti.
Codice sorgente in ultralytics/data/dataset.py
ultralytics.data.dataset.SemanticDataset
Basi: BaseDataset
Dataset di segmentazione semantica.
Questa classe è responsabile della gestione dei set di dati utilizzati per le attività di segmentazione semantica. Eredita le funzionalità dalla classe BaseDataset.
Nota
Questa classe è attualmente un segnaposto e deve essere popolata con metodi e attributi per supportare le attività di compiti di segmentazione semantica.
Codice sorgente in ultralytics/data/dataset.py
ultralytics.data.dataset.ClassificationDataset
Estende torchvision ImageFolder per supportare le attività di classificazione di YOLO , offrendo funzionalità come l'aumento delle immagini, il caching e la verifica. aumento delle immagini, caching e verifica. È progettato per gestire in modo efficiente grandi insiemi di dati per l'addestramento di modelli di deep learning. modelli di apprendimento profondo, con trasformazioni opzionali delle immagini e meccanismi di caching per accelerare l'addestramento.
Questa classe consente di aumentare le immagini utilizzando sia le librerie torchvision che Albumentations e supporta la memorizzazione nella cache delle immagini in RAM o su disco per ridurre l'overhead IO durante l'addestramento. Inoltre, implementa un robusto processo di verifica per garantire l'integrità e la coerenza dei dati.
Attributi:
Nome | Tipo | Descrizione |
---|---|---|
cache_ram |
bool
|
Indica se la cache nella RAM è abilitata. |
cache_disk |
bool
|
Indica se la cache su disco è abilitata. |
samples |
list
|
Un elenco di tuple, ognuna delle quali contiene il percorso di un'immagine, il suo indice di classe, il percorso del suo file .npy cache (se la cache è su disco) e, facoltativamente, l'array di immagini caricate (se la cache è in RAM). |
torch_transforms |
callable
|
PyTorch le trasformazioni da applicare alle immagini. |
Codice sorgente in ultralytics/data/dataset.py
384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 |
|
__getitem__(i)
Restituisce un sottoinsieme di dati e obiettivi corrispondenti agli indici indicati.
Codice sorgente in ultralytics/data/dataset.py
__init__(root, args, augment=False, prefix='')
Inizializza l'oggetto YOLO con la radice, le dimensioni dell'immagine, gli incrementi e le impostazioni della cache.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
root |
str
|
Percorso della directory del set di dati in cui sono archiviate le immagini in una struttura di cartelle specifica della classe. |
richiesto |
args |
Namespace
|
Configurazione contenente le impostazioni relative al set di dati, come le dimensioni dell'immagine, i parametri di incremento e le impostazioni della cache.
e le impostazioni della cache. Include attributi come |
richiesto |
augment |
bool
|
Se applicare o meno gli aumenti al set di dati. L'impostazione predefinita è False. |
False
|
prefix |
str
|
Prefisso per i nomi dei file di registrazione e della cache, che aiuta a identificare i set di dati e a eseguire il debug. debug. Il valore predefinito è una stringa vuota. |
''
|
Codice sorgente in ultralytics/data/dataset.py
__len__()
verify_images()
Verifica tutte le immagini del set di dati.