Riferimento per ultralytics/utils/loss.py
Nota
Questo file è disponibile all'indirizzo https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/loss .py. Se riscontri un problema, contribuisci a risolverlo inviando una Pull Request 🛠️. Grazie 🙏!
ultralytics.utils.loss.VarifocalLoss
Basi: Module
Perdita varifocale di Zhang et al.
https://arxiv.org/abs/2008.13367.
Codice sorgente in ultralytics/utils/loss.py
__init__()
forward(pred_score, gt_score, label, alpha=0.75, gamma=2.0)
staticmethod
Calcola la perdita varfocale.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.FocalLoss
Basi: Module
Avvolge la perdita focale intorno a loss_fcn() esistente, cioè criteria = FocalLoss(nn.BCEWithLogitsLoss(), gamma=1.5).
Codice sorgente in ultralytics/utils/loss.py
__init__()
forward(pred, label, gamma=1.5, alpha=0.25)
staticmethod
Calcola e aggiorna la matrice di confusione per le attività di rilevamento/classificazione degli oggetti.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.BboxLoss
Basi: Module
Classe di criteri per calcolare le perdite durante l'allenamento.
Codice sorgente in ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
Inizializza il modulo BboxLoss con le impostazioni di regolarizzazione massima e DFL.
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
Perdita di IoU.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.RotatedBboxLoss
Basi: BboxLoss
Classe di criteri per calcolare le perdite durante l'allenamento.
Codice sorgente in ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
Inizializza il modulo BboxLoss con le impostazioni di regolarizzazione massima e DFL.
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
Perdita di IoU.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.KeypointLoss
Basi: Module
Classe di criteri per il calcolo delle perdite di formazione.
Codice sorgente in ultralytics/utils/loss.py
__init__(sigmas)
forward(pred_kpts, gt_kpts, kpt_mask, area)
Calcola il fattore di perdita dei punti chiave e la perdita della distanza euclidea per i punti chiave previsti e quelli effettivi.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.v8DetectionLoss
Classe di criteri per il calcolo delle perdite di formazione.
Codice sorgente in 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)
Calcola la somma delle perdite per box, cls e dfl moltiplicata per la dimensione del lotto.
Codice sorgente in ultralytics/utils/loss.py
__init__(model)
Inizializza v8DetectionLoss con il modello, definendo le proprietà relative al modello e la funzione di perdita BCE.
Codice sorgente in ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist)
Decodifica le coordinate del rettangolo di selezione dell'oggetto previsto dai punti di ancoraggio e dalla distribuzione.
Codice sorgente in ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
Preelabora i conteggi di destinazione e li confronta con le dimensioni del lotto di ingresso per produrre un tensor.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.v8SegmentationLoss
Basi: v8DetectionLoss
Classe di criteri per il calcolo delle perdite di formazione.
Codice sorgente in 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)
Calcola e restituisci la perdita del modello YOLO .
Codice sorgente in 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)
Inizializza la classe v8SegmentationLoss, prendendo come argomento un modello de-parallelizzato.
calculate_segmentation_loss(fg_mask, masks, target_gt_idx, target_bboxes, batch_idx, proto, pred_masks, imgsz, overlap)
Calcola la perdita per la segmentazione dell'istanza.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
fg_mask |
Tensor
|
Un tensor binario di forma (BS, N_ancora) che indica quali ancore sono positive. |
richiesto |
masks |
Tensor
|
Maschere di verità a terra di forma (BS, H, W) se |
richiesto |
target_gt_idx |
Tensor
|
Indici degli oggetti di verità a terra per ogni ancora della forma (BS, N_ancore). |
richiesto |
target_bboxes |
Tensor
|
Caselle di delimitazione della verità a terra per ogni ancora della forma (BS, N_ancore, 4). |
richiesto |
batch_idx |
Tensor
|
Indici del lotto di forma (N_labels_in_batch, 1). |
richiesto |
proto |
Tensor
|
Maschere prototipo di forma (BS, 32, H, W). |
richiesto |
pred_masks |
Tensor
|
Maschere previste per ogni ancora della forma (BS, N_ancore, 32). |
richiesto |
imgsz |
Tensor
|
Dimensione dell'immagine di ingresso come tensor della forma (2), cioè (H, W). |
richiesto |
overlap |
bool
|
Se le maschere in |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
La perdita calcolata per la segmentazione dell'istanza. |
Note
Il batch loss può essere calcolato per migliorare la velocità con un maggiore utilizzo di memoria. Ad esempio, pred_mask può essere calcolato come segue: pred_mask = torch.einsum('in,nhw->ihw', pred, proto) # (i, 32) @ (32, 160, 160) -> (i, 160, 160)
Codice sorgente in ultralytics/utils/loss.py
single_mask_loss(gt_mask, pred, proto, xyxy, area)
staticmethod
Calcolo della perdita di segmentazione dell'istanza per una singola immagine.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
gt_mask |
Tensor
|
Maschera di verità a terra di forma (n, H, W), dove n è il numero di oggetti. |
richiesto |
pred |
Tensor
|
Coefficienti della maschera di forma previsti (n, 32). |
richiesto |
proto |
Tensor
|
Maschere prototipo di forma (32, H, W). |
richiesto |
xyxy |
Tensor
|
Caselle di delimitazione della verità terrena in formato xyxy, normalizzate a [0, 1], di forma (n, 4). |
richiesto |
area |
Tensor
|
Area di ciascun rettangolo di delimitazione della verità a terra di forma (n,). |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
La perdita di maschera calcolata per una singola immagine. |
Note
La funzione utilizza l'equazione pred_mask = torch.einsum('in,nhw->ihw', pred, proto) per produrre le maschere previste dalle maschere prototipo e dai coefficienti delle maschere previste. maschere previste dalle maschere prototipo e dai coefficienti delle maschere previste.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.v8PoseLoss
Basi: v8DetectionLoss
Classe di criteri per il calcolo delle perdite di formazione.
Codice sorgente in 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)
Calcola la perdita totale e staccala.
Codice sorgente in ultralytics/utils/loss.py
__init__(model)
Inizializza v8PoseLoss con il modello, imposta le variabili del punto chiave e dichiara un'istanza di perdita del punto chiave.
Codice sorgente in ultralytics/utils/loss.py
calculate_keypoints_loss(masks, target_gt_idx, keypoints, batch_idx, stride_tensor, target_bboxes, pred_kpts)
Calcola la perdita di punti chiave per il modello.
Questa funzione calcola la perdita di keypoints e la perdita di oggetti keypoints per un determinato lotto. La perdita di punti chiave è si basa sulla differenza tra i punti chiave previsti e i punti chiave della verità a terra. La perdita dei punti chiave oggetto è una perdita di classificazione binaria che classifica la presenza o meno di un punto chiave.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
masks |
Tensor
|
Maschera binaria tensor che indica la presenza dell'oggetto, la forma (BS, N_ancora). |
richiesto |
target_gt_idx |
Tensor
|
Indice tensor mappando le ancore agli oggetti della verità terrena, forma (BS, N_ancora). |
richiesto |
keypoints |
Tensor
|
Punti chiave della verità a terra, forma (N_kpts_in_batch, N_kpts_per_object, kpts_dim). |
richiesto |
batch_idx |
Tensor
|
Indice del lotto tensor per i punti chiave, forma (N_kpts_in_batch, 1). |
richiesto |
stride_tensor |
Tensor
|
Stride tensor per le ancore, forma (N_ancore, 1). |
richiesto |
target_bboxes |
Tensor
|
Caselle della verità terrena in formato (x1, y1, x2, y2), forma (BS, N_ancora, 4). |
richiesto |
pred_kpts |
Tensor
|
Punti chiave previsti, forma (BS, N_ancore, N_kpts_per_oggetto, kpts_dim). |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
tuple
|
Restituisce una tupla contenente: - kpts_loss (torch.Tensor): La perdita dei punti chiave. - kpts_obj_loss (torch.Tensor): La perdita dell'oggetto keypoints. |
Codice sorgente in ultralytics/utils/loss.py
kpts_decode(anchor_points, pred_kpts)
staticmethod
Decodifica i punti chiave previsti in coordinate dell'immagine.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.v8ClassificationLoss
Classe di criteri per il calcolo delle perdite di formazione.
Codice sorgente in ultralytics/utils/loss.py
__call__(preds, batch)
Calcolare la perdita di classificazione tra le previsioni e le etichette vere.
Codice sorgente in ultralytics/utils/loss.py
ultralytics.utils.loss.v8OBBLoss
Basi: v8DetectionLoss
Codice sorgente in 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)
Calcola e restituisci la perdita del modello YOLO .
Codice sorgente in ultralytics/utils/loss.py
__init__(model)
Inizializza v8OBBLoss con il modello, l'assegnatore e il bbox loss ruotato.
Nota il modello deve essere de-parallelizzato.
Codice sorgente in ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist, pred_angle)
Decodifica le coordinate del rettangolo di selezione dell'oggetto previsto dai punti di ancoraggio e dalla distribuzione.
Parametri:
Nome | Tipo | Descrizione | Predefinito |
---|---|---|---|
anchor_points |
Tensor
|
Punti di ancoraggio, (h*w, 2). |
richiesto |
pred_dist |
Tensor
|
Distanza ruotata prevista, (bs, h*w, 4). |
richiesto |
pred_angle |
Tensor
|
Angolo previsto, (bs, h*w, 1). |
richiesto |
Restituzione:
Tipo | Descrizione |
---|---|
Tensor
|
Caselle di delimitazione ruotate previste con angoli (bs, h*w, 5). |
Codice sorgente in ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
Preelabora i conteggi di destinazione e li confronta con le dimensioni del lotto di ingresso per produrre un tensor.