参考 ultralytics/utils/loss.py
注
このファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ ultralytics/utils/loss .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.utils.loss.VarifocalLoss
ベース: Module
Zhangらによるバリフォーカルロス。
https://arxiv.org/abs/2008.13367.
ソースコード ultralytics/utils/loss.py
__init__()
forward(pred_score, gt_score, label, alpha=0.75, gamma=2.0)
staticmethod
バーフォーカルロスを計算する。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.FocalLoss
ベース: Module
すなわち、 criteria = FocalLoss(nn.BCEWithLogitsLoss(), gamma=1.5)。
ソースコード ultralytics/utils/loss.py
__init__()
forward(pred, label, gamma=1.5, alpha=0.25)
staticmethod
物体検出/分類タスクの混同行列を計算し、更新する。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.BboxLoss
ベース: Module
トレーニング中のトレーニングロスを計算するための基準クラス。
ソースコード ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
IoU敗退。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.RotatedBboxLoss
ベース: BboxLoss
トレーニング中のトレーニングロスを計算するための基準クラス。
ソースコード ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
IoU敗退。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.KeypointLoss
ベース: Module
訓練損失を計算するための基準クラス。
ソースコード ultralytics/utils/loss.py
__init__(sigmas)
forward(pred_kpts, gt_kpts, kpt_mask, area)
予測キーポイントと実際のキーポイントについて、キーポイント損失係数とユークリッド距離損失を計算する。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.v8DetectionLoss
訓練損失を計算するための基準クラス。
ソースコード 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)
box、cls、dflのロスの合計にバッチサイズを掛けたものを計算する。
ソースコード ultralytics/utils/loss.py
__init__(model)
v8DetectionLoss をモデルで初期化し、モデル関連のプロパティと BCE 損失関数を定義します。
ソースコード ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist)
アンカーポイントと分布から予測されるオブジェクトのバウンディングボックス座標をデコードする。
ソースコード ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
ターゲットカウントを前処理し、入力バッチサイズと照合してtensor を出力する。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.v8SegmentationLoss
ベース: v8DetectionLoss
訓練損失を計算するための基準クラス。
ソースコード 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)
YOLO モデルの損失を計算して返す。
ソースコード 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)
並列化されていないモデルを引数にとり、v8SegmentationLossクラスを初期化します。
calculate_segmentation_loss(fg_mask, masks, target_gt_idx, target_bboxes, batch_idx, proto, pred_masks, imgsz, overlap)
インスタンス分割の損失を計算する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
fg_mask |
Tensor
|
tensor (BS, N_anchors)のバイナリで、どのアンカーがポジティブであるかを示す。 |
必須 |
masks |
Tensor
|
形状(BS,H,W)のグランドトゥルースマスク(Ground Truth Masks)。 |
必須 |
target_gt_idx |
Tensor
|
形状の各アンカー(BS, N_anchors)に対するグランドトゥルースオブジェクトのインデックス。 |
必須 |
target_bboxes |
Tensor
|
形状(BS, N_anchors, 4)の各アンカーに対するグラウンドトゥルースのバウンディングボックス。 |
必須 |
batch_idx |
Tensor
|
形状 (N_labels_in_batch, 1) のバッチインデックス。 |
必須 |
proto |
Tensor
|
形状(BS、32、H、W)の試作マスク。 |
必須 |
pred_masks |
Tensor
|
形状(BS, N_anchors, 32)の各アンカーに対する予測マスク。 |
必須 |
imgsz |
Tensor
|
形状(2)のtensor 、すなわち(H、W)としての入力画像のサイズ。 |
必須 |
overlap |
bool
|
のマスクは、そのようなマスクである。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
インスタンス分割の計算損失。 |
備考
バッチ損失は、より高いメモリ使用率で速度を向上させるために計算することができる。 例えば、pred_maskは以下のように計算できる: pred_mask =torch.einsum('in,nhw->ihw', pred, proto) # (i, 32) @ (32, 160, 160) -> (i, 160, 160)
ソースコード ultralytics/utils/loss.py
single_mask_loss(gt_mask, pred, proto, xyxy, area)
staticmethod
単一画像に対するインスタンス分割損失を計算する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
gt_mask |
Tensor
|
nはオブジェクトの数。 |
必須 |
pred |
Tensor
|
形状の予測マスク係数(n, 32)。 |
必須 |
proto |
Tensor
|
形状(32、H、W)の試作マスク。 |
必須 |
xyxy |
Tensor
|
xyxy 形式のグラウンドトゥルース境界ボックス([0, 1]に正規化され、形状は (n, 4))。 |
必須 |
area |
Tensor
|
形状(n,)の各グラウンドトゥルースのバウンディングボックスの面積。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
1つの画像に対して計算されたマスクロス。 |
備考
この関数は、等式 pred_mask =torch.einsum('in,nhw->ihw', pred, proto) を用いて、プロトタイプマスクと予測マスク係数から予測マスクを生成する。 プロトタイプマスクと予測マスク係数から予測マスクを生成します。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.v8PoseLoss
ベース: v8DetectionLoss
訓練損失を計算するための基準クラス。
ソースコード 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)
総損失を計算し、切り離す。
ソースコード ultralytics/utils/loss.py
__init__(model)
v8PoseLossをモデルで初期化し、キーポイント変数を設定し、キーポイントロスのインスタンスを宣言します。
ソースコード ultralytics/utils/loss.py
calculate_keypoints_loss(masks, target_gt_idx, keypoints, batch_idx, stride_tensor, target_bboxes, pred_kpts)
モデルのキーポイントロスを計算する。
この関数は、与えられたバッチのキーポイント損失とキーポイントオブジェクト損失を計算する。キーポイント損失は 予測キーポイントと真実キーポイントの差に基づく.キーポイントオブジェクト損失は キーポイントが存在するかどうかを分類する2値分類損失である.
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
masks |
Tensor
|
tensor 、オブジェクトの存在、形状(BS、N_anchors)を示すバイナリマスク。 |
必須 |
target_gt_idx |
Tensor
|
インデックスtensor アンカーを地上真理オブジェクトにマッピングする、形状 (BS, N_anchors)。 |
必須 |
keypoints |
Tensor
|
グランドトゥルースのキーポイント,形状 (N_kpts_in_batch, N_kpts_per_object, kpts_dim). |
必須 |
batch_idx |
Tensor
|
キーポイントのバッチインデックスtensor , shape (N_kpts_in_batch, 1)。 |
必須 |
stride_tensor |
Tensor
|
アンカーのストライドtensor 、形状(N_anchors, 1)。 |
必須 |
target_bboxes |
Tensor
|
(x1、y1、x2、y2)フォーマット、形状(BS、N_anchors、4)のグラウンドトゥルースボックス。 |
必須 |
pred_kpts |
Tensor
|
予測キーポイント、形状(BS、N_anchors、N_kpts_per_object、kpts_dim)。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
tuple
|
を含むタプルを返す: - kpts_loss (torch.Tensor):キーポイントの損失。 - kpts_obj_loss (torch.Tensor):キーポイントオブジェクトの損失。 |
ソースコード ultralytics/utils/loss.py
kpts_decode(anchor_points, pred_kpts)
staticmethod
予測されたキーポイントを画像座標にデコードする。
ソースコード ultralytics/utils/loss.py
ultralytics.utils.loss.v8ClassificationLoss
訓練損失を計算するための基準クラス。
ソースコード ultralytics/utils/loss.py
__call__(preds, batch)
予測値と真のラベルの間の分類損失を計算する。
ultralytics.utils.loss.v8OBBLoss
ベース: v8DetectionLoss
ソースコード 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)
YOLO モデルの損失を計算して返す。
ソースコード ultralytics/utils/loss.py
__init__(model)
v8OBBLossをモデル、assigner、回転したbbox lossで初期化します。
注 モデルはデパラレルでなければならない。
ソースコード ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist, pred_angle)
アンカーポイントと分布から予測されるオブジェクトのバウンディングボックス座標をデコードする。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
anchor_points |
Tensor
|
アンカーポイント、(h*w、2)。 |
必須 |
pred_dist |
Tensor
|
回転距離の予測値、(bs, h*w, 4)。 |
必須 |
pred_angle |
Tensor
|
予測角度、(bs, h*w, 1)。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
角度(bs, h*w, 5)で予測された回転バウンディングボックス。 |
ソースコード ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
ターゲットカウントを前処理し、入力バッチサイズと照合してtensor を出力する。