参考 ultralytics/utils/metrics.py
注
このファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ ultralytics/utils/metrics .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.metrics.ConfusionMatrix
オブジェクトの検出と分類タスクのための混同行列の計算と更新を行うクラス。
属性:
名称 | タイプ | 説明 |
---|---|---|
task |
str
|
タスクのタイプ。「検出」または「分類」のいずれか。 |
matrix |
ndarray
|
タスクに応じた次元の混同行列。 |
nc |
int
|
クラスの数。 |
conf |
float
|
検出の信頼しきい値。 |
iou_thres |
float
|
ユニオンの敷居を越える交差点。 |
ソースコード ultralytics/utils/metrics.py
284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 |
|
__init__(nc, conf=0.25, iou_thres=0.45, task='detect')
YOLO モデルの属性を初期化する。
ソースコード ultralytics/utils/metrics.py
matrix()
plot(normalize=True, save_dir='', names=(), on_plot=None)
seabornを使って混同行列をプロットし、ファイルに保存する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
normalize |
bool
|
混同行列を正規化するかどうか。 |
True
|
save_dir |
str
|
プロットが保存されるディレクトリ。 |
''
|
names |
tuple
|
プロット上のラベルとして使用されるクラス名。 |
()
|
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。 |
None
|
ソースコード ultralytics/utils/metrics.py
print()
process_batch(detections, gt_bboxes, gt_cls)
物体検出タスクの混同行列を更新する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
detections |
Array[N, 6] | Array[N, 7]
|
検出されたバウンディングボックスとその関連情報。
各行には、(x1, y1, x2, y2, conf, class)
または追加要素 |
必須 |
gt_bboxes |
Array[M, 4] | Array[N, 5]
|
xyxy/xyrフォーマットによ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 |
gt_cls |
Array[M]
|
クラスのラベル。 |
必須 |
ソースコード ultralytics/utils/metrics.py
process_cls_preds(preds, targets)
分類タスクの混同行列を更新する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
preds |
Array[N, min(nc, 5)]
|
予測されたクラスラベル。 |
必須 |
targets |
Array[N, 1]
|
真実のクラスラベル。 |
必須 |
ソースコード ultralytics/utils/metrics.py
tp_fp()
真陽性と偽陽性を返す。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.Metric
ベース: SimpleClass
YOLOv8 モデルの評価指標を計算するクラス。
属性:
名称 | タイプ | 説明 |
---|---|---|
p |
list
|
各クラスの精度。形状:(nc、)。 |
r |
list
|
各クラスのリコール。形状:(nc、)。 |
f1 |
list
|
各クラスのF1スコア。形状:(nc,)。 |
all_ap |
list
|
全クラス、全IoU閾値のAPスコア。形状:(nc, 10)。 |
ap_class_index |
list
|
各APスコアのクラスのインデックス。形状:(nc、)。 |
nc |
int
|
クラスの数 |
方法:
名称 | 説明 |
---|---|
ap50 |
全クラスのIoUしきい値0.5でAP。を返す:APスコアのリスト。Shape: (nc,) または []。 |
ap |
全クラスのIoUしきい値0.5~0.95のAP。戻り値APスコアのリスト。形状:(nc,) または []。 |
mp |
全クラスの平均精度。戻り値:浮動小数点数。 |
mr |
全クラスの平均リコール。戻り値:float. |
map50 |
全クラスのIoU閾値0.5における平均AP。戻り値:float. |
map75 |
全クラスのIoU閾値0.75における平均AP。戻り値:float. |
map |
全クラスのIoU閾値0.5~0.95における平均AP。戻り値:float. |
mean_results |
結果の平均、mp、mr、map50、mapを返す。 |
class_result |
クラスを意識した結果で、p[i], r[i], ap50[i], ap[i]を返す。 |
maps |
各クラスのMAP。戻り値mAPスコアの配列, shape: (nc,). |
fitness |
メトリクスの重み付けされた組み合わせとしてのモデル適合度。戻り値:浮動小数点数。 |
update |
新しい評価結果でメトリック属性を更新する。 |
ソースコード ultralytics/utils/metrics.py
620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 |
|
ap
property
すべてのクラスについて、IoU しきい値 0.5 ~ 0.95 での平均精度 (AP) を返します。
リターンズ
タイプ | 説明 |
---|---|
(ndarray, list)
|
クラスごとに AP50-95 の値を持つ shape (nc,) の配列。 |
ap50
property
すべてのクラスの IoU しきい値 0.5 での平均精度 (AP) を返します。
リターンズ
タイプ | 説明 |
---|---|
(ndarray, list)
|
クラスごとの AP50 値を持つ shape (nc,) の配列、または利用できない場合は空のリスト。 |
curves
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
curves_results
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
map
property
0.05ステップで0.5~0.95のIoUしきい値の平均精度(mAP)を返します。
リターンズ
タイプ | 説明 |
---|---|
float
|
0.05ステップで0.5~0.95のIoUしきい値を超えるmAP。 |
map50
property
IoU しきい値 0.5 での平均精度 (mAP) を返します。
リターンズ
タイプ | 説明 |
---|---|
float
|
IoU閾値0.5におけるmAP。 |
map75
property
IoUしきい値0.75での平均精度(mAP)を返します。
リターンズ
タイプ | 説明 |
---|---|
float
|
IoUしきい値0.75でのmAP。 |
maps
property
各クラスのMAP。
mp
property
全クラスの平均精度を返します。
リターンズ
タイプ | 説明 |
---|---|
float
|
全クラスの平均精度。 |
mr
property
Mean Recall :全クラスの平均再現率を返す。
リターンズ
タイプ | 説明 |
---|---|
float
|
全クラスの平均リコール。 |
__init__()
YOLOv8 モデルの評価メトリクスを計算するための Metric インスタンスを初期化します。
ソースコード ultralytics/utils/metrics.py
class_result(i)
fitness()
mean_results()
update(results)
モデルの評価指標を新しい結果セットで更新する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
results |
tuple
|
以下の評価指標を含むタプル: - p (リスト):各クラスの精度。形状: (nc,). - r (リスト):各クラスのRecall。形状: (nc,). - f1 (リスト):各クラスの F1 スコア。形状: (nc,). - all_ap (リスト):すべてのクラスとすべてのIoUしきい値のAPスコア。形状: (nc, 10). - ap_class_index (リスト):各APスコアのクラスのインデックス。形状: (nc,). |
必須 |
副作用
クラスの属性を更新する self.p
, self.r
, self.f1
, self.all_ap
そして self.ap_class_index
ベース
で提供された値に基づいている。 results
タプル。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.DetMetrics
ベース: SimpleClass
このクラスは、物体検出モデルの精度、リコール、平均平均精度 (mAP) などの検出メトリックスを計算するためのユーティリティクラスです。 (mAP) などの検出メトリックスを計算するためのユーティリティクラスです。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
save_dir |
Path
|
出力プロットが保存されるディレクトリへのパス。デフォルトはカレント・ディレクトリ。 |
Path('.')
|
plot |
bool
|
各クラスの精度-再現曲線をプロットするかどうかを示すフラグ。デフォルトは False です。 |
False
|
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。デフォルトはNone。 |
None
|
names |
tuple of str
|
クラスの名前を表す文字列のタプル。デフォルトは空のタプル。 |
()
|
属性:
名称 | タイプ | 説明 |
---|---|---|
save_dir |
Path
|
出力プロットが保存されるディレクトリへのパス。 |
plot |
bool
|
各クラスの精度-再現曲線をプロットするかどうかを示すフラグ。 |
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。 |
names |
tuple of str
|
クラス名を表す文字列のタプル。 |
box |
Metric
|
検出メトリクスの結果を格納するための Metric クラスのインスタンス。 |
speed |
dict
|
検出プロセスのさまざまな部分の実行時間を格納するための辞書。 |
方法:
名称 | 説明 |
---|---|
process |
メトリック結果を最新の予測バッチで更新する。 |
keys |
計算された検出メトリクスにアクセスするためのキーのリストを返します。 |
mean_results |
計算された検出メトリクスの平均値のリストを返す。 |
class_result |
特定のクラスに対して計算された検出メトリクスの値のリストを返します。 |
maps |
異なるIoUしきい値に対する平均平均精度(mAP)値の辞書を返す。 |
fitness |
計算された検出メトリクスに基づいてフィットネススコアを計算する。 |
ap_class_index |
平均精度 (AP) 値でソートされたクラス・インデックスのリストを返します。 |
results_dict |
検出メトリックのキーとその計算値を対応付けた辞書を返します。 |
curves |
TODO |
curves_results |
TODO |
ソースコード ultralytics/utils/metrics.py
792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 |
|
ap_class_index
property
クラスごとの平均精度インデックスを返します。
curves
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
curves_results
property
計算されたパフォーマンス・メトリクスと統計のディクショナリを返します。
fitness
property
box オブジェクトのフィットネスを返します。
keys
property
特定のメトリクスにアクセスするためのキーのリストを返します。
maps
property
クラスごとの平均精度 (mAP) スコアを返します。
results_dict
property
計算されたパフォーマンス・メトリクスと統計のディクショナリを返します。
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
保存ディレクトリ、プロットフラグ、コールバック関数、クラス名でDetMetricsインスタンスを初期化します。
ソースコード ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, conf, pred_cls, target_cls)
オブジェクト検出の予測結果を処理し、メトリクスを更新する。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.SegmentMetrics
ベース: SimpleClass
与えられたクラス集合に対する検出とセグメンテーションのメトリクスを計算し、集約します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
save_dir |
Path
|
出力プロットを保存するディレクトリへのパス。デフォルトはカレント・ディレクトリ。 |
Path('.')
|
plot |
bool
|
検出とセグメンテーションのプロットを保存するかどうか。デフォルトはFalse。 |
False
|
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。デフォルトはNone。 |
None
|
names |
list
|
クラス名のリスト。デフォルトは空のリスト。 |
()
|
属性:
名称 | タイプ | 説明 |
---|---|---|
save_dir |
Path
|
出力プロットを保存するディレクトリへのパス。 |
plot |
bool
|
検出とセグメンテーションのプロットを保存するかどうか。 |
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。 |
names |
list
|
クラス名のリスト。 |
box |
Metric
|
ボックス検出メトリクスを計算するMetricクラスのインスタンス。 |
seg |
Metric
|
マスク・セグメンテーション・メトリクスを計算するための Metric クラスのインスタンス。 |
speed |
dict
|
推論のさまざまな段階でかかった時間を保存する辞書。 |
方法:
名称 | 説明 |
---|---|
process |
与えられた予測値の集合に対してメトリクスを処理します。 |
mean_results |
すべてのクラスに対する検出とセグメンテーションのメトリクスの平均を返します。 |
class_result |
クラスの検出およびセグメンテーション・メトリクスを返します。 |
maps |
0.50から0.95までのIoUしきい値の平均平均精度(mAP)スコアを返します。 |
fitness |
フィットネス・スコアを返します。フィットネス・スコアは、メトリクスの重み付けされた単一の組み合わせです。 |
ap_class_index |
平均精度 (AP) を計算するために使用されるクラスのインデックスのリストを返します。 |
results_dict |
すべての検出およびセグメンテーション・メトリクスとフィットネス・スコアを含む辞書を返します。 |
ソースコード ultralytics/utils/metrics.py
893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 |
|
ap_class_index
property
ボックスとマスクは同じap_class_indexを持つ。
curves
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
curves_results
property
計算されたパフォーマンス・メトリクスと統計のディクショナリを返します。
fitness
property
セグメンテーションモデルとバウンディングボックスモデルのフィットネススコアを取得する。
keys
property
メトリクスにアクセスするためのキーのリストを返します。
maps
property
オブジェクト検出とセマンティックセグメンテーションモデルのmAPスコアを返す。
results_dict
property
評価用のオブジェクト検出モデルの結果を返します。
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
SegmentMetricsインスタンスを、保存ディレクトリ、プロットフラグ、コールバック関数、クラス名で初期化します。
ソースコード ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_m, conf, pred_cls, target_cls)
与えられた予測集合に対して、検出とセグメンテーションのメトリクスを処理する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
tp |
list
|
トゥルー・ポジティブ・ボックスのリスト。 |
必須 |
tp_m |
list
|
トゥルー・ポジティブ・マスクのリスト |
必須 |
conf |
list
|
信頼スコアのリスト。 |
必須 |
pred_cls |
list
|
予想されるクラスのリスト。 |
必須 |
target_cls |
list
|
対象クラスのリスト。 |
必須 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.PoseMetrics
ベース: SegmentMetrics
指定されたクラスの集合に対する検出とポーズのメトリクスを計算し、集約します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
save_dir |
Path
|
出力プロットを保存するディレクトリへのパス。デフォルトはカレント・ディレクトリ。 |
Path('.')
|
plot |
bool
|
検出とセグメンテーションのプロットを保存するかどうか。デフォルトはFalse。 |
False
|
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。デフォルトはNone。 |
None
|
names |
list
|
クラス名のリスト。デフォルトは空のリスト。 |
()
|
属性:
名称 | タイプ | 説明 |
---|---|---|
save_dir |
Path
|
出力プロットを保存するディレクトリへのパス。 |
plot |
bool
|
検出とセグメンテーションのプロットを保存するかどうか。 |
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すオプションのコールバック。 |
names |
list
|
クラス名のリスト。 |
box |
Metric
|
ボックス検出メトリクスを計算するMetricクラスのインスタンス。 |
pose |
Metric
|
マスク・セグメンテーション・メトリクスを計算するための Metric クラスのインスタンス。 |
speed |
dict
|
推論のさまざまな段階でかかった時間を保存する辞書。 |
方法:
名称 | 説明 |
---|---|
process |
与えられた予測値の集合に対してメトリクスを処理します。 |
mean_results |
すべてのクラスに対する検出とセグメンテーションのメトリクスの平均を返します。 |
class_result |
クラスの検出およびセグメンテーション・メトリクスを返します。 |
maps |
0.50から0.95までのIoUしきい値の平均平均精度(mAP)スコアを返します。 |
fitness |
フィットネス・スコアを返します。フィットネス・スコアは、メトリクスの重み付けされた単一の組み合わせです。 |
ap_class_index |
平均精度 (AP) を計算するために使用されるクラスのインデックスのリストを返します。 |
results_dict |
すべての検出およびセグメンテーション・メトリクスとフィットネス・スコアを含む辞書を返します。 |
ソースコード ultralytics/utils/metrics.py
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 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 |
|
curves
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
curves_results
property
計算されたパフォーマンス・メトリクスと統計のディクショナリを返します。
fitness
property
を使用して分類指標と速度を計算する。 targets
そして pred
を入力する。
keys
property
評価キーのリストを返します。
maps
property
ボックス検出とポーズ検出の両方について、クラスごとの平均精度(mAP)を返します。
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
ディレクトリパス、クラス名、プロットオプションを指定してPoseMetricsクラスを初期化します。
ソースコード ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_p, conf, pred_cls, target_cls)
与えられた予測セットに対して、検出とポーズのメトリクスを処理する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
tp |
list
|
トゥルー・ポジティブ・ボックスのリスト。 |
必須 |
tp_p |
list
|
トゥルーポジティブのキーポイント一覧。 |
必須 |
conf |
list
|
信頼スコアのリスト。 |
必須 |
pred_cls |
list
|
予想されるクラスのリスト。 |
必須 |
target_cls |
list
|
対象クラスのリスト。 |
必須 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.ClassifyMetrics
ベース: SimpleClass
トップ1やトップ5の精度を含む分類メトリクスの計算のためのクラス。
属性:
名称 | タイプ | 説明 |
---|---|---|
top1 |
float
|
トップ1の精度。 |
top5 |
float
|
トップ5の精度 |
speed |
Dict[str, float]
|
パイプラインの各ステップにかかった時間を含む辞書。 |
プロパティ
fitness (float):上位5位までの精度に相当するモデルのフィットネス。 results_dict (Dict[str, Union[float, str]]):分類指標とフィットネスを含む辞書。 keys (List[str]):results_dictのキーのリスト。
方法:
名称 | 説明 |
---|---|
process |
ターゲットと予測を処理し、分類メトリクスを計算する。 |
ソースコード ultralytics/utils/metrics.py
curves
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
curves_results
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
fitness
property
上位1位と上位5位の精度の平均をフィットネススコアとして返す。
keys
property
results_dictプロパティのキーのリストを返す。
results_dict
property
モデルのパフォーマンス・メトリクスとフィットネス・スコアを辞書として返します。
__init__()
ClassifyMetricsインスタンスを初期化します。
process(targets, pred)
目標クラスと予測クラス。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.OBBMetrics
ベース: SimpleClass
ソースコード ultralytics/utils/metrics.py
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 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 |
|
ap_class_index
property
クラスごとの平均精度インデックスを返します。
curves
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
curves_results
property
特定のメトリクス・カーブにアクセスするためのカーブのリストを返します。
fitness
property
box オブジェクトのフィットネスを返します。
keys
property
特定のメトリクスにアクセスするためのキーのリストを返します。
maps
property
クラスごとの平均精度 (mAP) スコアを返します。
results_dict
property
計算されたパフォーマンス・メトリクスと統計のディクショナリを返します。
class_result(i)
mean_results()
process(tp, conf, pred_cls, target_cls)
オブジェクト検出の予測結果を処理し、メトリクスを更新する。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_ioa(box1, box2, iou=False, eps=1e-07)
box1とbox2が与えられたとき、box2の面積の交点を計算する。ボックスは x1y1x2y2 の形式である。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
box1 |
ndarray
|
n 個のバウンディングボックスを表す shape (n, 4) の numpy 配列。 |
必須 |
box2 |
ndarray
|
m 個のバウンディングボックスを表す shape (m, 4) の numpy 配列。 |
必須 |
iou |
bool
|
標準IoUを計算する if True else return inter_area/box2_area. |
False
|
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
ndarray
|
box2 の領域上の交点を表す (n, m) 形式の numpy 配列。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.box_iou(box1, box2, eps=1e-07)
ボックスのIoU(Intersection-over-union)を計算する。両方のボックスのセットは (x1, y1, x2, y2) フォーマットであることが期待されます。 https://github.com/pytorch/vision/blob/master/torchvision/ops/boxes.py に基づいています。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
box1 |
Tensor
|
tensor (N, 4)の形状で、N個のバウンディングボックスを表す。 |
必須 |
box2 |
Tensor
|
tensor 形状 (M, 4) は、M個のバウンディングボックスを表す。 |
必須 |
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
box1 と box2 の各要素のペアごとの IoU 値を含む NxMtensor 。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-07)
box1(1, 4)とbox2(n, 4)のIntersection over Union(IoU)を計算する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
box1 |
Tensor
|
tensor 形状(1, 4)を持つ単一のバウンディングボックスを表す。 |
必須 |
box2 |
Tensor
|
tensor 形状(n, 4)を持つn個のバウンディングボックスを表す。 |
必須 |
xywh |
bool
|
True の場合、入力ボックスは (x, y, w, h) 形式になります。False の場合、入力ボックスは (x1, y1, x2, y2) 形式になる。デフォルトはTrue。 |
True
|
GIoU |
bool
|
Trueの場合、Generalized IoUを計算する。デフォルトは False。 |
False
|
DIoU |
bool
|
Trueの場合、Distance IoUを計算する。デフォルトは False。 |
False
|
CIoU |
bool
|
Trueの場合、Complete IoUを計算する。デフォルトは False。 |
False
|
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
指定されたフラグに応じて、IoU、GIoU、DIoU、またはCIoUの値。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.mask_iou(mask1, mask2, eps=1e-07)
マスクIoUを計算する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
mask1 |
Tensor
|
tensor 形状 (N, n) ここで、Nは基底真実オブジェクトの数、nは画像の幅と高さの積である。 は画像の幅と高さの積である。 |
必須 |
mask2 |
Tensor
|
tensor 形状 (M, n) Mは予測されるオブジェクトの数、nは画像の幅と高さの積。 は画像の幅と高さの積である。 |
必須 |
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
マスクIoUを表す形状(N, M)のtensor 。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.kpt_iou(kpt1, kpt2, area, sigma, eps=1e-07)
オブジェクトのキーポイント類似度(OKS)を計算します。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
kpt1 |
Tensor
|
tensor (N, 17, 3)の形状で、真実のキーポイントを表す。 |
必須 |
kpt2 |
Tensor
|
tensor 形状(M, 17, 3)は、予測されたキーポイントを表す。 |
必須 |
area |
Tensor
|
tensor グラウンドトゥルースからのエリアを表すシェイプ(N,)。 |
必須 |
sigma |
list
|
キーポイントスケールを表す17の値を含むリスト。 |
必須 |
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
tensor キーポイントの類似性を表す形状 (N, M)。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics._get_covariance_matrix(boxes)
オブスから共分散行列を生成する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
boxes |
Tensor
|
tensor 形状 (N, 5) で、xywhr 形式で、回転したバウンディングボックスを表す。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
元の回転したバウンディング・ボックスに対応する共分散メトリックス。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.probiou(obb1, obb2, CIoU=False, eps=1e-07)
方向づけられたバウンディングボックス間の確率IoUを計算する、https://arxiv.org/pdf/2106.06072v1.pdf。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
obb1 |
Tensor
|
tensor 形状 (N, 5)、xywhr フォーマット。 |
必須 |
obb2 |
Tensor
|
tensor 形状 (N, 5)、xywhr フォーマット。 |
必須 |
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
tensor 形状(N, )はobbの類似性を表す。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.batch_probiou(obb1, obb2, eps=1e-07)
方向づけられたバウンディングボックス間の確率IoUを計算する、https://arxiv.org/pdf/2106.06072v1.pdf。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
obb1 |
Tensor | ndarray
|
tensor 形状 (N, 5)、xywhr フォーマット。 |
必須 |
obb2 |
Tensor | ndarray
|
tensor 形状 (M, 5)、xywhr フォーマット。 |
必須 |
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-7。 |
1e-07
|
リターンズ
タイプ | 説明 |
---|---|
Tensor
|
tensor 形状(N, M)はobbの類似性を表す。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth_BCE(eps=0.1)
平滑化された正負のバイナリクロスエントロピーのターゲットを計算する。
この関数は、与えられたイプシロン値に基づいて正負のラベルスムージングBCEターゲットを計算する。 実装の詳細については、https://github.com/ultralytics/yolov3/issues/238#issuecomment-598028441を参照してください。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
eps |
float
|
ラベル平滑化のイプシロン値。デフォルトは0.1。 |
0.1
|
リターンズ
タイプ | 説明 |
---|---|
tuple
|
正と負のラベルスムージングBCEターゲットを含むタプル。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth(y, f=0.05)
画分fのボックスフィルター。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_pr_curve(px, py, ap, save_dir=Path('pr_curve.png'), names=(), on_plot=None)
精度-再現曲線をプロットする。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_mc_curve(px, py, save_dir=Path('mc_curve.png'), names=(), xlabel='Confidence', ylabel='Metric', on_plot=None)
メトリック信頼曲線をプロットする。
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.compute_ap(recall, precision)
再現率と精度曲線から平均精度(AP)を計算する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
recall |
list
|
リコール曲線。 |
必須 |
precision |
list
|
精度曲線。 |
必須 |
リターンズ
タイプ | 説明 |
---|---|
float
|
平均精度。 |
ndarray
|
精密なエンベロープ曲線。 |
ndarray
|
先頭と末尾にセンチネル値を追加した修正リコール曲線。 |
ソースコード ultralytics/utils/metrics.py
ultralytics.utils.metrics.ap_per_class(tp, conf, pred_cls, target_cls, plot=False, on_plot=None, save_dir=Path(), names=(), eps=1e-16, prefix='')
オブジェクト検出評価のクラスごとの平均精度を計算する。
パラメーター
名称 | タイプ | 説明 | デフォルト |
---|---|---|---|
tp |
ndarray
|
検出が正しい (True) か否 (False) かを示すバイナリ配列。 |
必須 |
conf |
ndarray
|
検出の信頼度スコアの配列。 |
必須 |
pred_cls |
ndarray
|
検出の予測クラスの配列。 |
必須 |
target_cls |
ndarray
|
検出された真のクラスの配列。 |
必須 |
plot |
bool
|
PR曲線をプロットするかどうか。デフォルトは False。 |
False
|
on_plot |
func
|
レンダリング時にプロットのパスとデータを渡すコールバック。デフォルトはNone。 |
None
|
save_dir |
Path
|
PR曲線を保存するディレクトリ。デフォルトは空のパスです。 |
Path()
|
names |
tuple
|
PR カーブをプロットするクラス名のタプル。デフォルトは空のタプル。 |
()
|
eps |
float
|
ゼロによる除算を避けるための小さな値。デフォルトは1e-16。 |
1e-16
|
prefix |
str
|
プロットファイルを保存するためのプレフィックス文字列。デフォルトは空文字列。 |
''
|
リターンズ
タイプ | 説明 |
---|---|
tuple
|
6つの配列とユニーククラスの1つの配列のタプル: tp (np.ndarray):Shape: (nc,). fp (np.ndarray):各クラスの最大 F1 メトリックで与えられたしきい値における偽陽性数.Shape: (nc,). p (np.ndarray):各クラスの最大 F1 メトリックで指定される閾値における精度。形状: (nc,). r (np.ndarray):各クラスの最大 F1 メトリックで与えられたしきい値における Recall 値.形状: (nc,). f1 (np.ndarray):各クラスの最大 F1 メトリックで与えられたしきい値における F1 スコア値.形状: (nc,). ap (np.ndarray):IoU の閾値を変えた場合の各クラスの平均精度。形状: (nc, 10)。 unique_classes (np.ndarray):データを持つユニーククラスの配列。形状: (nc,). p_curve (np.ndarray):各クラスの精度曲線。形状: (nc, 1000). r_curve (np.ndarray):各クラスのRecall曲線。形状: (nc, 1000). f1_curve (np.ndarray):各クラスの F1 スコア曲線.形状: (nc, 1000). x (np.ndarray):曲線のX軸値.Shape: (1000,). prec_values:各クラスのmAP@0.5 における精度値。Shape: (nc, 1000). |
ソースコード ultralytics/utils/metrics.py
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 |
|