参考 ultralytics/data/dataset.py
注
このファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ ultralytics/data/dataset .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.dataset.YOLODataset
ベース: BaseDataset
YOLO 形式のオブジェクト検出および/またはセグメンテーションラベルをロードするためのデータセットクラス。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
data |
dict
|
データセットYAML辞書。デフォルトは None です。 |
None
|
task |
str
|
現在のタスクを指定する明示的な引数。 |
'detect'
|
リターンズ
タイプ | 説明 |
---|---|
Dataset
|
PyTorch オブジェクト検出モデルの学習に使用できるデータセットオブジェクト。 |
ソースコード 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)
YOLODataset を初期化し、セグメントとキーポイントを任意に設定します。
ソースコード ultralytics/data/dataset.py
build_transforms(hyp=None)
トランスフォームを構築し、リストに追加する。
ソースコード ultralytics/data/dataset.py
cache_labels(path=Path('./labels.cache'))
データセットのラベルをキャッシュし、画像をチェックし、形状を読み取る。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
path |
Path
|
キャッシュ・ファイルを保存するパス。デフォルトはPath('./labels.cache')です。 |
Path('./labels.cache')
|
リターンズ
タイプ | 説明 |
---|---|
dict
|
ラベル |
ソースコード ultralytics/data/dataset.py
close_mosaic(hyp)
モザイク、copy_paste、mixup のオプションを 0.0 に設定し、トランスフォームを構築する。
ソースコード ultralytics/data/dataset.py
collate_fn(batch)
staticmethod
データサンプルをバッチにまとめる。
ソースコード ultralytics/data/dataset.py
get_labels()
YOLO トレーニング用のラベルの辞書を返す。
ソースコード ultralytics/data/dataset.py
update_labels_info(label)
ラベルフォーマットのカスタマイズはこちらから。
注
分類とセマンティックセグメンテーションには、独立したclsラベルが必要です。 dictキーを追加または削除することで、分類とセマンティックセグメンテーションをサポートすることもできる。
ソースコード ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOMultiModalDataset
ベース: YOLODataset
YOLO 形式のオブジェクト検出および/またはセグメンテーションラベルをロードするためのデータセットクラス。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
data |
dict
|
データセットYAML辞書。デフォルトは None です。 |
None
|
task |
str
|
現在のタスクを指定する明示的な引数。 |
'detect'
|
リターンズ
タイプ | 説明 |
---|---|
Dataset
|
PyTorch オブジェクト検出モデルの学習に使用できるデータセットオブジェクト。 |
ソースコード ultralytics/data/dataset.py
__init__(*args, data=None, task='detect', **kwargs)
build_transforms(hyp=None)
マルチモーダルトレーニングのためのオプションのテキスト補強でデータ変換を強化。
ソースコード ultralytics/data/dataset.py
update_labels_info(label)
マルチモーダルモデルトレーニングのためのテキスト情報を追加。
ソースコード ultralytics/data/dataset.py
ultralytics.data.dataset.GroundingDataset
ベース: YOLODataset
ソースコード ultralytics/data/dataset.py
__init__(*args, task='detect', json_file, **kwargs)
オブジェクト検出用のGroundingDatasetを初期化し、指定されたJSONファイルからアノテーションを読み込みます。
ソースコード ultralytics/data/dataset.py
build_transforms(hyp=None)
オプションのテキストロードでトレーニングのオーグメントを設定します; hyp
補強強度を調整する。
ソースコード ultralytics/data/dataset.py
get_img_files(img_path)
get_labels()
JSONファイルからアノテーションを読み込み、フィルタリングし、各画像のバウンディングボックスを正規化します。
ソースコード ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOConcatDataset
ベース: ConcatDataset
複数のデータセットを連結したデータセット。
このクラスは、さまざまな既存のデータセットを組み立てるのに便利です。
ソースコード ultralytics/data/dataset.py
ultralytics.data.dataset.SemanticDataset
ベース: BaseDataset
セマンティック・セグメンテーション・データセット。
このクラスは、セマンティックセグメンテーションタスクで使用するデータセットの処理を担当します。このクラスは クラスの機能を継承します。
注
このクラスは現在プレースホルダーであり、セマンティック・セグメンテーション・タスクをサポートするメソッドと属性を追加する必要がある。 セマンティックセグメンテーションタスクをサポートするためのメソッドと属性を設定する必要があります。
ソースコード ultralytics/data/dataset.py
ultralytics.data.dataset.ClassificationDataset
torchvision ImageFolder を拡張し、YOLO 分類タスクをサポートします。 拡張、キャッシュ、検証などの機能を提供します。ディープラーニングモデルをトレーニングするための大規模なデータセットを効率的に処理するように設計されています。 オプションの画像変換とキャッシングメカニズムにより、学習を高速化します。
このクラスは、torchvision と Albumentations ライブラリの両方を使った補強が可能で、トレーニング中の IO オーバーヘッドを削減するために、RAM やディスクに画像をキャッシュすることができます。 をサポートします。さらに、データの整合性と一貫性を保証するために を実装しています。
属性:
名称 | タイプ | 説明 |
---|---|---|
cache_ram |
bool
|
RAMでのキャッシュが有効かどうかを示す。 |
cache_disk |
bool
|
ディスク上のキャッシュが有効かどうかを示す。 |
samples |
list
|
タプルのリストで、それぞれ画像へのパス、クラスインデックス、.npyキャッシュファイルへのパス(ディスクにキャッシュする場合)、およびオプションとしてロードされた画像配列(RAMにキャッシュする場合)を含みます。 ファイルへのパス(ディスクにキャッシュする場合)、およびオプションとしてロードされたイメージ配列(RAMにキャッシュする場合)を含むタプルのリストです。 |
torch_transforms |
callable
|
PyTorch 画像に適用する変換。 |
ソースコード 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)
指定されたインデックスに対応するデータとターゲットのサブセットを返します。
ソースコード ultralytics/data/dataset.py
__init__(root, args, augment=False, prefix='')
ルート、画像サイズ、オーグメンテーション、キャッシュ設定でYOLO オブジェクトを初期化する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
root |
str
|
クラス固有のフォルダ構造で画像が保存されているデータセットディレクトリへのパス。 |
必須 |
args |
Namespace
|
画像サイズ、オーグメンテーション・パラメータ、キャッシュ設定など、データセット関連の設定を含むコンフィギュレーション。
パラメータ、キャッシュ設定などのデータセット関連の設定が含まれます。以下のような属性が含まれます |
必須 |
augment |
bool
|
データセットにオーグメントを適用するかどうか。デフォルトはFalse。 |
False
|
prefix |
str
|
ロギングとキャッシュのファイル名のプレフィックス。 デバッグに役立ちます。デフォルトは空文字列。 |
''
|
ソースコード ultralytics/data/dataset.py
__len__()
verify_images()
データセットのすべての画像を検証する。