参考 ultralytics/data/augment.py
注
このファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ ultralytics/data/augment .py にあります。もし問題を発見したら、Pull Request🛠️ を投稿して修正にご協力ください。ありがとうございました!
ultralytics.data.augment.BaseTransform
画像変換の基底クラス。
これは、特定の画像処理のニーズに合わせて拡張できる汎用変換クラスです。 このクラスは、分類とセマンティックセグメンテーションの両方のタスクに対応するように設計されています。
方法:
名称 | 説明 |
---|---|
__init__ |
BaseTransformオブジェクトを初期化します。 |
apply_image |
ラベルに画像変換を適用する。 |
apply_instances |
ラベル内のオブジェクトインスタンスに変換を適用する。 |
apply_semantic |
画像にセマンティックセグメンテーションを適用する。 |
__call__ |
画像、インスタンス、セマンティックマスクにすべてのラベル変換を適用する。 |
ソースコード ultralytics/data/augment.py
__call__(labels)
__init__()
apply_image(labels)
apply_instances(labels)
ultralytics.data.augment.Compose
複数の画像変換を合成するクラス。
ソースコード ultralytics/data/augment.py
__call__(data)
__getitem__(index)
インデックスを使用して、特定の変換または変換のセットを取得します。
ソースコード ultralytics/data/augment.py
__init__(transforms)
__repr__()
__setitem__(index, value)
インデックスを使用して、特定の変換または変換のセットを取得します。
ソースコード ultralytics/data/augment.py
append(transform)
insert(index, transform)
ultralytics.data.augment.BaseMixTransform
ベースミックス(MixUp/Mosaic)変換用のクラス。
この実装はmmyoloによるものである。
ソースコード ultralytics/data/augment.py
__call__(labels)
ラベルデータに前処理変換とミックスアップ/モザイク変換を適用する。
ソースコード ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
BaseMixTransformオブジェクトをデータセット、pre_transform、probabilityで初期化します。
ultralytics.data.augment.Mosaic
ベース: BaseMixTransform
モザイク補強。
このクラスは、複数(4枚または9枚)の画像を1枚のモザイク画像に合成することで、モザイク補強を行います。 この補強は、与えられた確率でデータセットに適用されます。
属性:
名称 | タイプ | 説明 |
---|---|---|
dataset |
モザイク補強が適用されるデータセット。 |
|
imgsz |
int
|
単一画像のモザイクパイプライン後の画像サイズ(縦横)。デフォルトは640。 |
p |
float
|
モザイク補強を適用する確率。0-1 の範囲でなければならない。デフォルトは1.0。 |
n |
int
|
グリッドのサイズ。4(2x2の場合)または9(3x3の場合)。 |
ソースコード ultralytics/data/augment.py
177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 |
|
__init__(dataset, imgsz=640, p=1.0, n=4)
データセット、画像サイズ、確率、ボーダーでオブジェクトを初期化する。
ソースコード ultralytics/data/augment.py
get_indexes(buffer=True)
データセットから無作為なインデックスのリストを返す。
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.MixUp
ベース: BaseMixTransform
データセットにMixUp補強を適用するためのクラス。
ソースコード ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
MixUpオブジェクトをデータセット、pre_transform、MixUpの適用確率で初期化する。
ultralytics.data.augment.RandomPerspective
画像とそれに対応するバウンディングボックス,セグメント,キーポイントに対して,ランダムな透視変換とアフィン変換を行います. キーポイント。これらの変換には、回転、並進、拡大縮小、せん断が含まれます。このクラスには オプションもあります.
属性:
名称 | タイプ | 説明 |
---|---|---|
degrees |
float
|
ランダム回転の度数範囲。 |
translate |
float
|
幅と高さの合計の、ランダムな平行移動に対する割合。 |
scale |
float
|
例えば、スケールファクターが0.1の場合、90%~110%の間でリサイズが可能です。 |
shear |
float
|
せん断強度(角度は度)。 |
perspective |
float
|
遠近法の歪み係数。 |
border |
tuple
|
モザイク境界を指定するタプル。 |
pre_transform |
callable
|
ランダム変換を開始する前に画像に適用する関数/変換。 |
方法:
名称 | 説明 |
---|---|
affine_transform |
画像に一連のアフィン変換を施す。 |
apply_bboxes |
計算されたアフィン行列を使用してバウンディングボックスを変換します。 |
apply_segments |
セグメントを変換し、新しいバウンディングボックスを生成します。 |
apply_keypoints |
キーポイントを変換する。 |
__call__ |
画像とそれに対応する注釈の両方に変換を適用する主な方法。 |
box_candidates |
変換後に特定の条件を満たさないバウンディングボックスをフィルタリングする。 |
ソースコード ultralytics/data/augment.py
391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 |
|
__call__(labels)
アフィン・イメージとターゲット
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
labels |
dict
|
の辞書 |
必須 |
ソースコード ultralytics/data/augment.py
__init__(degrees=0.0, translate=0.1, scale=0.5, shear=0.0, perspective=0.0, border=(0, 0), pre_transform=None)
RandomPerspective オブジェクトを変換パラメータで初期化します。
ソースコード ultralytics/data/augment.py
affine_transform(img, border)
画像中心を中心とした一連のアフィン変換を適用する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
img |
ndarray
|
入力画像。 |
必須 |
border |
tuple
|
ボーダーの寸法。 |
必須 |
リターンズ
名称 | タイプ | 説明 |
---|---|---|
img |
ndarray
|
変換された画像。 |
M |
ndarray
|
変換行列。 |
s |
float
|
スケールファクター。 |
ソースコード ultralytics/data/augment.py
apply_bboxes(bboxes, M)
bボックスのみにアフィネを適用する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
bboxes |
ndarray
|
bboxes のリスト, xyxy フォーマット, 形状は (num_bboxes, 4). |
必須 |
M |
ndarray
|
アフィン行列。 |
必須 |
リターンズ
名称 | タイプ | 説明 |
---|---|---|
new_bboxes |
ndarray
|
affineの後にbboxes、[num_bboxes, 4]。 |
ソースコード ultralytics/data/augment.py
apply_keypoints(keypoints, M)
キーポイントにアフィンを適用する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
keypoints |
ndarray
|
キーポイントは、[N、17、3]。 |
必須 |
M |
ndarray
|
アフィン行列。 |
必須 |
リターンズ
名称 | タイプ | 説明 |
---|---|---|
new_keypoints |
ndarray
|
アフィン後のキーポイントは、[N, 17, 3]。 |
ソースコード ultralytics/data/augment.py
apply_segments(segments, M)
セグメントにアフィンを適用し、セグメントから新しい bbox を生成する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
segments |
ndarray
|
セグメントのリスト、[num_samples, 500, 2]。 |
必須 |
M |
ndarray
|
アフィン行列。 |
必須 |
リターンズ
名称 | タイプ | 説明 |
---|---|---|
new_segments |
ndarray
|
アフィン後のセグメントのリスト、[num_samples, 500, 2]。 |
new_bboxes |
ndarray
|
boxesはアフィネの後、[N, 4]。 |
ソースコード ultralytics/data/augment.py
box_candidates(box1, box2, wh_thr=2, ar_thr=100, area_thr=0.1, eps=1e-16)
しきい値のセットに基づいてボックス候補を計算する。この方法は、補強前と補強後のボックスの特性を比較し を比較し、ボックスがさらなる処理の候補であるかどうかを決定する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
box1 |
ndarray
|
x1、y1、x2、y2]として表される、拡張前の4,n境界ボックス。 |
必須 |
box2 |
ndarray
|
x1、y1、x2、y2]として表される、拡張後の4,n境界ボックス。 |
必須 |
wh_thr |
float
|
幅と高さのしきい値をピクセル単位で指定する。デフォルトは2。 |
2
|
ar_thr |
float
|
アスペクト比のしきい値。デフォルトは100。 |
100
|
area_thr |
float
|
面積比のしきい値。デフォルトは0.1。 |
0.1
|
eps |
float
|
ゼロによる除算を防ぐための小さなイプシロン値。デフォルトは1e-16。 |
1e-16
|
リターンズ
タイプ | 説明 |
---|---|
ndarray
|
与えられたしきい値に基づいて、どの箱が候補であるかを示す真偽値配列。 |
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.RandomHSV
このクラスは、画像の色相・彩度・明度(HSV)チャンネルをランダムに調整します。 に対してランダムな調整を行います。
調整はランダムだが、hgain、sgain、vgainで設定された範囲内である。
ソースコード ultralytics/data/augment.py
__call__(labels)
あらかじめ定義された範囲内で、画像にランダムなHSV補強を施す。
修正された画像は、入力'labels'ディクショ ンのオリジナル画像に置き換わる。
ソースコード ultralytics/data/augment.py
__init__(hgain=0.5, sgain=0.5, vgain=0.5)
各 HSV チャンネルのゲインを持つ RandomHSV クラスを初期化する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
hgain |
float
|
色相の最大変化量。デフォルトは0.5。 |
0.5
|
sgain |
float
|
飽和の最大変動幅。デフォルトは0.5。 |
0.5
|
vgain |
float
|
値の最大変動幅。デフォルトは0.5。 |
0.5
|
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.RandomFlip
与えられた確率で、画像にランダムな水平または垂直フリップを適用します。
また、インスタンス(バウンディングボックス、キーポイントなど)も適宜更新する。
ソースコード ultralytics/data/augment.py
__call__(labels)
画像にランダムフリップを適用し、それに応じてバウンディングボックスやキーポイントなどのインスタンスを更新します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
labels |
dict
|
キー 'img' と 'instances' を含む辞書。'img' は反転する画像。 'instances' はバウンディングボックスと、オプションでキーポイントを含むオブジェクトです。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
dict
|
img'キーと'instances'キーの下で、反転した画像と更新されたインスタンスで同じディクテーションを行う。 |
ソースコード ultralytics/data/augment.py
__init__(p=0.5, direction='horizontal', flip_idx=None)
RandomFlip クラスを確率と方向で初期化します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
p |
float
|
フリップを適用する確率。デフォルトは0.5。 |
0.5
|
direction |
str
|
フリップを適用する方向。horizontal'または'vertical'でなければならない。 デフォルトは 'horizontal' です。 |
'horizontal'
|
flip_idx |
array - like
|
もしあれば、キーポイントを反転させるためのインデックスマッピング。 |
None
|
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.LetterBox
画像サイズを変更し、検出、インスタンス分割、ポーズのためのパディングを行う。
ソースコード ultralytics/data/augment.py
__call__(labels=None, image=None)
更新されたラベルと画像にボーダーを追加してお返しします。
ソースコード ultralytics/data/augment.py
__init__(new_shape=(640, 640), auto=False, scaleFill=False, scaleup=True, center=True, stride=32)
特定のパラメータで LetterBox オブジェクトを初期化します。
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.CopyPaste
論文 https://arxiv.org/abs/2012.07177 で説明されている Copy-Paste 拡張機能を実装する。このクラスは 画像とそれに対応するインスタンスに Copy-Paste 拡張を適用する。
ソースコード ultralytics/data/augment.py
__call__(labels)
与えられた画像とインスタンスにCopy-Paste拡張を適用する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
labels |
dict
|
を含む辞書: - img':補強する画像。 - 'cls':インスタンスに関連付けられたクラスラベル。 - 'instances':バウンディングボックスと、オプションでキーポイントとセグメントを含むオブジェクト。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
dict
|
img'、'cls'、'instances'キーの下に、拡張された画像と更新されたインスタンスを持つディク ト。 |
備考
- この拡張が機能するためには、インスタンスは属性の1つとして'segments'を持つ必要がある。
- このメソッドは、入力辞書'labels'をその場で修正する。
ソースコード ultralytics/data/augment.py
__init__(p=0.5)
与えられた確率で CopyPaste クラスを初期化します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
p |
float
|
コピーペースト補強を適用する確率。0から1の間でなければならない。 デフォルトは0.5。 |
0.5
|
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.Albumentations
アルブメンテーションの変容
オプションで、パッケージをアンインストールすると無効になります。ぼかし、メディアンぼかし、グレースケールへの変換、コントラスト制限適応型 ヒストグラム均等化、明るさとコントラストのランダム変化、ランダムガンマ、圧縮による画質低下。 圧縮。
ソースコード ultralytics/data/augment.py
__call__(labels)
オブジェクト検出を生成し、検出結果の辞書を返します。
ソースコード ultralytics/data/augment.py
__init__(p=1.0)
YOLO bbox フォーマットのパラメータ用の transform オブジェクトを初期化します。
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.Format
オブジェクト検出、インスタンス分割、および姿勢推定タスクのための画像注釈をフォーマットします。クラス
が使用する画像とインスタンスのアノテーションを標準化します。 collate_fn
PyTorch DataLoader にある。
属性:
名称 | タイプ | 説明 |
---|---|---|
bbox_format |
str
|
バウンディングボックスのフォーマット。デフォルトは 'xywh' です。 |
normalize |
bool
|
バウンディングボックスを正規化するかどうか。デフォルトはTrue。 |
return_mask |
bool
|
セグメンテーション用のインスタンスマスクを返す。デフォルトは False です。 |
return_keypoint |
bool
|
ポーズ推定のためのキーポイントを返す。デフォルトは False。 |
mask_ratio |
int
|
マスクのダウンサンプル比。デフォルトは 4。 |
mask_overlap |
bool
|
マスクを重ねるかどうか。デフォルトはTrue。 |
batch_idx |
bool
|
バッチ・インデックスを保持する。デフォルトはTrue。 |
bgr |
float
|
BGR画像を返す確率。デフォルトは0.0。 |
ソースコード ultralytics/data/augment.py
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 |
|
__call__(labels)
collate_fn' で使用する画像、クラス、バウンディングボックス、キーポイントを整形して返す。
ソースコード ultralytics/data/augment.py
__init__(bbox_format='xywh', normalize=True, return_mask=False, return_keypoint=False, return_obb=False, mask_ratio=4, mask_overlap=True, batch_idx=True, bgr=0.0)
指定されたパラメータで Format クラスを初期化します。
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.RandomLoadText
肯定的なテキストと否定的なテキストをランダムにサンプリングし、サンプルの数に応じてクラス・インデックスを更新します。
属性:
名称 | タイプ | 説明 |
---|---|---|
prompt_format |
str
|
プロンプトのフォーマット。デフォルトは '{}' である。 |
neg_samples |
tuple[int]
|
ネガティブなテキストをランダムにサンプリングするレンジャーで、デフォルトは (80, 80)。 |
max_samples |
int
|
1つの画像に含まれる異なるテキストサンプルの最大数、デフォルトは80。 |
padding |
bool
|
テキストを max_samples にパッドするかどうか。デフォルトは False。 |
padding_value |
str
|
パディング・テキスト。デフォルトは""。 |
ソースコード ultralytics/data/augment.py
1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 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 |
|
__call__(labels)
更新されたクラスとテキストを返す。
ソースコード ultralytics/data/augment.py
__init__(prompt_format='{}', neg_samples=(80, 80), max_samples=80, padding=False, padding_value='')
指定されたパラメータで RandomLoadText クラスを初期化します。
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.ClassifyLetterBox
YOLOv8 画像前処理用のLetterBoxクラスで、変換パイプラインの一部になるように設計されています、 T.Compose([LetterBox(size), ToTensor()])。
属性:
名称 | タイプ | 説明 |
---|---|---|
h |
int
|
目標とする画像の高さ。 |
w |
int
|
画像の目標幅。 |
auto |
bool
|
Trueの場合、ストライドを使って短辺を自動的に解決する。 |
stride |
int
|
auto'がTrueの場合に使用するストライド値。 |
ソースコード ultralytics/data/augment.py
__call__(im)
画像をリサイズし、レターボックス方式でパディングする。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
im |
ndarray
|
HWC 形式の numpy 配列としての入力画像。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
ndarray
|
レターボックス化され、リサイズされた画像を numpy の配列として返します。 |
ソースコード ultralytics/data/augment.py
__init__(size=(640, 640), auto=False, stride=32)
ClassifyLetterBoxクラスをターゲットサイズ、オートフラグ、ストライドで初期化します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
size |
Union[int, Tuple[int, int]]
|
レターボックスのターゲット寸法(高さ、幅)。 |
(640, 640)
|
auto |
bool
|
Trueの場合、歩幅に基づいて短辺を自動的に計算する。 |
False
|
stride |
int
|
auto'がTrueの場合に使用するストライド値。 |
32
|
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.CenterCrop
YOLOv8 画像前処理のためのCenterCropクラスで、変換パイプラインの一部になるように設計されています、 T.Compose([CenterCrop(size),ToTensor()])のようになります。
ソースコード ultralytics/data/augment.py
__call__(im)
レターボックス方式で画像の中央をリサイズして切り抜く。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
im |
ndarray
|
HWC 形式の numpy 配列としての入力画像。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
ndarray
|
中央で切り取られ、リサイズされた画像を numpy 配列として返します。 |
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.ToTensor
YOLOv8 すなわち、T.Compose([LetterBox(size), ToTensor()])。
ソースコード ultralytics/data/augment.py
__call__(im)
画像を numpy 配列からPyTorch tensor に変換し,オプションで半精度化と正規化を適用する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
im |
ndarray
|
入力画像は、BGR順に (H, W, C) のnumpy配列。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
0,1]に正規化された、float32 または float16 のPyTorch tensor として変換された画像。 |
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.v8_transforms(dataset, imgsz, hyp, stretch=False)
YOLOv8 トレーニングに適したサイズに画像を変換する。
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.classify_transforms(size=224, mean=DEFAULT_MEAN, std=DEFAULT_STD, interpolation=Image.BILINEAR, crop_fraction=DEFAULT_CROP_FRACTION)
評価/推論のための分類変換。timm/data/transforms_factory.pyにインスパイアされています。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
size |
int
|
画像サイズ |
224
|
mean |
tuple
|
RGBチャンネルの平均値 |
DEFAULT_MEAN
|
std |
tuple
|
RGBチャンネルの標準値 |
DEFAULT_STD
|
interpolation |
InterpolationMode
|
補間モード。デフォルトはT.InterpolationMode.BILINEAR。 |
BILINEAR
|
crop_fraction |
float
|
デフォルトは1.0。 |
DEFAULT_CROP_FRACTION
|
リターンズ
タイプ | 説明 |
---|---|
Compose
|
トーチビジョントランスフォームズ |
ソースコード ultralytics/data/augment.py
ultralytics.data.augment.classify_augmentations(size=224, mean=DEFAULT_MEAN, std=DEFAULT_STD, scale=None, ratio=None, hflip=0.5, vflip=0.0, auto_augment=None, hsv_h=0.015, hsv_s=0.4, hsv_v=0.4, force_color_jitter=False, erasing=0.0, interpolation=Image.BILINEAR)
トレーニングのための補強を伴う分類変換。timm/data/transforms_factory.pyにインスパイアされています。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
size |
int
|
画像サイズ |
224
|
scale |
tuple
|
デフォルトは (0.08, 1.0) です。 |
None
|
ratio |
tuple
|
デフォルトは (3./4., 4./3.) です。 |
None
|
mean |
tuple
|
RGBチャンネルの平均値 |
DEFAULT_MEAN
|
std |
tuple
|
RGBチャンネルの標準値 |
DEFAULT_STD
|
hflip |
float
|
水平フリップの確率 |
0.5
|
vflip |
float
|
垂直フリップの確率 |
0.0
|
auto_augment |
str
|
randaugment'、'augmix'、'autoaugment'、または None。 |
None
|
hsv_h |
float
|
画像 HSV-色相補正(割合) |
0.015
|
hsv_s |
float
|
画像 HSV-彩度増強(分率) |
0.4
|
hsv_v |
float
|
画像のHSV値の増加(割合) |
0.4
|
force_color_jitter |
bool
|
自動オーグメントが有効な場合でも、強制的にカラー・ジッターを適用する。 |
False
|
erasing |
float
|
ランダム消去の確率 |
0.0
|
interpolation |
InterpolationMode
|
補間モード。デフォルトはT.InterpolationMode.BILINEAR。 |
BILINEAR
|
リターンズ
タイプ | 説明 |
---|---|
Compose
|
トーチビジョントランスフォームズ |
ソースコード ultralytics/data/augment.py
1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 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 |
|