Referentie voor ultralytics/data/augment.py
Opmerking
Dit bestand is beschikbaar op https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/augment .py. Als je een probleem ziet, help het dan oplossen door een Pull Request 🛠️ bij te dragen. Bedankt 🙏!
ultralytics.data.augment.BaseTransform
Basisklasse voor beeldtransformaties.
Dit is een generieke transformatieklasse die kan worden uitgebreid voor specifieke beeldbewerkingsbehoeften. De klasse is ontworpen om compatibel te zijn met zowel classificatie- als semantische segmentatietaken.
Methoden:
Naam | Beschrijving |
---|---|
__init__ |
Initialiseert het object BaseTransform. |
apply_image |
Past beeldtransformatie toe op labels. |
apply_instances |
Past transformaties toe op objectinstanties in labels. |
apply_semantic |
Past semantische segmentatie toe op een afbeelding. |
__call__ |
Past alle labeltransformaties toe op een afbeelding, instanties en semantische maskers. |
Broncode in ultralytics/data/augment.py
__call__(labels)
Past alle labeltransformaties toe op een afbeelding, instanties en semantische maskers.
__init__()
apply_image(labels)
apply_instances(labels)
ultralytics.data.augment.Compose
Klasse voor het samenstellen van meerdere beeldtransformaties.
Broncode in ultralytics/data/augment.py
__call__(data)
__getitem__(index)
Een specifieke transformatie of een reeks transformaties ophalen met behulp van indexering.
Broncode in ultralytics/data/augment.py
__init__(transforms)
__repr__()
__setitem__(index, value)
Een specifieke transformatie of een reeks transformaties ophalen met behulp van indexering.
Broncode in ultralytics/data/augment.py
append(transform)
insert(index, transform)
ultralytics.data.augment.BaseMixTransform
Klasse voor basismix (MixUp/Mosaic) transformaties.
Deze implementatie is van mmyolo.
Broncode in ultralytics/data/augment.py
__call__(labels)
Past voorbewerkingstransformaties en mixup/mosaic transformaties toe op labelgegevens.
Broncode in ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
Initialiseert het object BaseMixTransform met dataset, pre_transform en waarschijnlijkheid.
ultralytics.data.augment.Mosaic
Basis: BaseMixTransform
Mozaïekvergroting.
Deze klasse voert mozaïekvergroting uit door meerdere (4 of 9) afbeeldingen te combineren tot een enkele mozaïekafbeelding. De vergroting wordt toegepast op een dataset met een gegeven waarschijnlijkheid.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
dataset |
De dataset waarop de mozaïekvergroting wordt toegepast. |
|
imgsz |
int
|
Afbeeldingsgrootte (hoogte en breedte) na mozaïekbewerking van een enkele afbeelding. Standaard 640. |
p |
float
|
Waarschijnlijkheid dat de mozaïekvergroting wordt toegepast. Moet in het bereik 0-1 liggen. Standaard 1,0. |
n |
int
|
De rastergrootte, ofwel 4 (voor 2x2) of 9 (voor 3x3). |
Broncode in 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)
Initialiseert het object met een dataset, afbeeldingsgrootte, waarschijnlijkheid en rand.
Broncode in ultralytics/data/augment.py
get_indexes(buffer=True)
Geeft een lijst met willekeurige indexen uit de dataset.
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.MixUp
Basis: BaseMixTransform
Klasse voor het toepassen van MixUp augmentatie op de dataset.
Broncode in ultralytics/data/augment.py
__init__(dataset, pre_transform=None, p=0.0)
Initialiseert MixUp object met dataset, pre_transform en waarschijnlijkheid van toepassing van MixUp.
ultralytics.data.augment.RandomPerspective
Voert willekeurige perspectief- en affiene transformaties uit op afbeeldingen en bijbehorende bounding boxes, segmenten en sleutelpunten. Deze transformaties omvatten rotatie, translatie, schaling en afschuiving. De klasse biedt ook de optie om deze transformaties voorwaardelijk toe te passen met een gespecificeerde waarschijnlijkheid.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
degrees |
float
|
Graadbereik voor willekeurige rotaties. |
translate |
float
|
Fractie van de totale breedte en hoogte voor willekeurige vertaling. |
scale |
float
|
Interval schaalfactor, bijvoorbeeld een schaalfactor van 0,1 staat een herschaling tussen 90%-110% toe. |
shear |
float
|
Schuifintensiteit (hoek in graden). |
perspective |
float
|
Perspectief vervormingsfactor. |
border |
tuple
|
Tupel die de mozaïekrand specificeert. |
pre_transform |
callable
|
Een functie/transformatie om toe te passen op de afbeelding voordat de willekeurige transformatie wordt gestart. |
Methoden:
Naam | Beschrijving |
---|---|
affine_transform |
Past een reeks affiene transformaties toe op de afbeelding. |
apply_bboxes |
Transformeert begrenzende vakken met behulp van de berekende affiene matrix. |
apply_segments |
Transformeert segmenten en genereert nieuwe bounding boxes. |
apply_keypoints |
Transformeert toetspunten. |
__call__ |
Hoofdmethode om transformaties toe te passen op zowel afbeeldingen als hun bijbehorende annotaties. |
box_candidates |
Filtert bounding boxes uit die niet voldoen aan bepaalde criteria na transformatie. |
Broncode in 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)
Affiene beelden en doelen.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
labels |
dict
|
een dictaat van |
vereist |
Broncode in 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)
Initialiseert RandomPerspective object met transformatieparameters.
Broncode in ultralytics/data/augment.py
affine_transform(img, border)
Past een reeks affiene transformaties toe gecentreerd rond het middelpunt van de afbeelding.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
img |
ndarray
|
Afbeelding invoeren. |
vereist |
border |
tuple
|
Afmetingen rand. |
vereist |
Retourneert:
Naam | Type | Beschrijving |
---|---|---|
img |
ndarray
|
Getransformeerde afbeelding. |
M |
ndarray
|
Transformatiematrix. |
s |
float
|
Schaalfactor. |
Broncode in ultralytics/data/augment.py
apply_bboxes(bboxes, M)
Pas affine alleen toe op bboxen.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
bboxes |
ndarray
|
lijst van bboxen, formaat xyxy, met vorm (num_bboxes, 4). |
vereist |
M |
ndarray
|
affiene matrix. |
vereist |
Retourneert:
Naam | Type | Beschrijving |
---|---|---|
new_bboxes |
ndarray
|
bboxes na affine, [num_bboxes, 4]. |
Broncode in ultralytics/data/augment.py
apply_keypoints(keypoints, M)
Pas affine toe op sleutelpunten.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
keypoints |
ndarray
|
sleutelpunten, [N, 17, 3]. |
vereist |
M |
ndarray
|
affiene matrix. |
vereist |
Retourneert:
Naam | Type | Beschrijving |
---|---|---|
new_keypoints |
ndarray
|
sleutelpunten na affijn, [N, 17, 3]. |
Broncode in ultralytics/data/augment.py
apply_segments(segments, M)
Pas affine toe op segmenten en genereer nieuwe bboxen uit segmenten.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
segments |
ndarray
|
lijst met segmenten, [num_samples, 500, 2]. |
vereist |
M |
ndarray
|
affiene matrix. |
vereist |
Retourneert:
Naam | Type | Beschrijving |
---|---|---|
new_segments |
ndarray
|
lijst met segmenten na affine, [num_samples, 500, 2]. |
new_bboxes |
ndarray
|
bboxen na affien, [N, 4]. |
Broncode in ultralytics/data/augment.py
box_candidates(box1, box2, wh_thr=2, ar_thr=100, area_thr=0.1, eps=1e-16)
Boxkandidaten berekenen op basis van een set drempelwaarden. Deze methode vergelijkt de kenmerken van de vakken voor en na augmentatie om te beslissen of een box een kandidaat is voor verdere verwerking.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
box1 |
ndarray
|
De 4,n bounding box vóór augmentatie, weergegeven als [x1, y1, x2, y2]. |
vereist |
box2 |
ndarray
|
De 4,n bounding box na augmentatie, voorgesteld als [x1, y1, x2, y2]. |
vereist |
wh_thr |
float
|
De breedte- en hoogtedrempel in pixels. De standaardwaarde is 2. |
2
|
ar_thr |
float
|
De drempel voor de hoogte-breedteverhouding. De standaardwaarde is 100. |
100
|
area_thr |
float
|
De drempel voor de oppervlakteverhouding. De standaardwaarde is 0,1. |
0.1
|
eps |
float
|
Een kleine epsilonwaarde om deling door nul te voorkomen. De standaardwaarde is 1e-16. |
1e-16
|
Retourneert:
Type | Beschrijving |
---|---|
ndarray
|
Een booleaanse matrix die aangeeft welke vakken kandidaten zijn op basis van de opgegeven drempels. |
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.RandomHSV
Deze klasse is verantwoordelijk voor het uitvoeren van willekeurige aanpassingen aan de Hue, Saturation en Value (HSV) kanalen van een afbeelding.
De aanpassingen zijn willekeurig, maar binnen de grenzen die zijn ingesteld door hgain, sgain en vgain.
Broncode in ultralytics/data/augment.py
__call__(labels)
Past willekeurige HSV-vergroting toe op een afbeelding binnen de vooraf gedefinieerde grenzen.
De gewijzigde afbeelding vervangt de oorspronkelijke afbeelding in de invoer 'labels' dict.
Broncode in ultralytics/data/augment.py
__init__(hgain=0.5, sgain=0.5, vgain=0.5)
Initialiseer de RandomHSV klasse met versterkingen voor elk HSV-kanaal.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
hgain |
float
|
Maximale variatie voor tint. De standaardwaarde is 0,5. |
0.5
|
sgain |
float
|
Maximale variatie voor verzadiging. De standaardwaarde is 0,5. |
0.5
|
vgain |
float
|
Maximale variatie voor waarde. De standaardwaarde is 0,5. |
0.5
|
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.RandomFlip
Past een willekeurige horizontale of verticale flip toe op een afbeelding met een gegeven waarschijnlijkheid.
Werkt ook alle instanties (bounding boxes, sleutelpunten, enz.) dienovereenkomstig bij.
Broncode in ultralytics/data/augment.py
__call__(labels)
Past random flip toe op een afbeelding en werkt alle instanties zoals bounding boxes of sleutelpunten dienovereenkomstig bij.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
labels |
dict
|
Een woordenboek met de sleutels 'img' en 'instanties'. 'img' is de afbeelding die moet worden omgedraaid. 'instanties' is een object met bounding boxes en optioneel sleutelpunten. |
vereist |
Retourneert:
Type | Beschrijving |
---|---|
dict
|
Hetzelfde dictaat met de omgedraaide afbeelding en bijgewerkte instanties onder de toetsen 'img' en 'instanties'. |
Broncode in ultralytics/data/augment.py
__init__(p=0.5, direction='horizontal', flip_idx=None)
Initialiseert de RandomFlip klasse met waarschijnlijkheid en richting.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
p |
float
|
De waarschijnlijkheid dat de flip wordt toegepast. Moet tussen 0 en 1 liggen. Standaard is 0,5. |
0.5
|
direction |
str
|
De richting waarin de flip wordt toegepast. Moet 'horizontaal' of 'verticaal' zijn. De standaardinstelling is 'horizontaal'. |
'horizontal'
|
flip_idx |
array - like
|
Eventuele indexmapping voor het omkeren van sleutelpunten. |
None
|
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.LetterBox
Formaat van afbeelding wijzigen en opvullen voor detectie, segmentatie van instantie, houding.
Broncode in ultralytics/data/augment.py
__call__(labels=None, image=None)
Stuur bijgewerkte labels en afbeelding met toegevoegde rand terug.
Broncode in ultralytics/data/augment.py
__init__(new_shape=(640, 640), auto=False, scaleFill=False, scaleup=True, center=True, stride=32)
Initialiseer LetterBox-object met specifieke parameters.
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.CopyPaste
Implementeert de Copy-Paste uitbreiding zoals beschreven in het artikel https://arxiv.org/abs/2012.07177. Deze klasse is verantwoordelijk voor het toepassen van de Copy-Paste augmentatie op afbeeldingen en hun bijbehorende instanties.
Broncode in ultralytics/data/augment.py
__call__(labels)
Past de Copy-Paste uitbreiding toe op de gegeven afbeelding en instanties.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
labels |
dict
|
Een woordenboek met: - 'img': De afbeelding om te vergroten. - 'cls': Klasse labels geassocieerd met de instanties. - 'instanties': Object met bounding boxes en optioneel sleutelpunten en segmenten. |
vereist |
Retourneert:
Type | Beschrijving |
---|---|
dict
|
Dict met verbeterde afbeelding en bijgewerkte instanties onder de sleutels 'img', 'cls' en 'instanties'. |
Opmerkingen
- Er wordt verwacht dat instanties 'segmenten' als een van hun attributen hebben om deze uitbreiding te laten werken.
- Deze methode wijzigt het invoerwoordenboek 'labels' op zijn plaats.
Broncode in ultralytics/data/augment.py
__init__(p=0.5)
Initialiseert de CopyPaste klasse met een gegeven waarschijnlijkheid.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
p |
float
|
De waarschijnlijkheid dat de Copy-Paste vergroting wordt toegepast. Moet tussen 0 en 1 liggen. De standaardwaarde is 0,5. |
0.5
|
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.Albumentations
Albumentaties transformaties.
Optioneel, verwijder het pakket om uit te schakelen. Toepassen van vervaging, mediaan vervaging, omzetten naar grijswaarden, Contrast Beperkt Adaptief Histogram Equalization, willekeurige verandering van helderheid en contrast, RandomGamma en verlagen van beeldkwaliteit door compressie.
Broncode in ultralytics/data/augment.py
__call__(labels)
Genereert objectdetecties en retourneert een woordenboek met detectieresultaten.
Broncode in ultralytics/data/augment.py
__init__(p=1.0)
Initialiseer het transform object voor YOLO bbox geformatteerde params.
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.Format
Formatteert beeldannotaties voor objectdetectie, objectsegmentatie en houdingschattingstaken. De klasse
standaardiseert de annotaties van afbeeldingen en instanties die worden gebruikt door de collate_fn
in PyTorch DataLoader.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
bbox_format |
str
|
Formaat voor bounding boxes. Standaard is 'xywh'. |
normalize |
bool
|
Of bounding boxes genormaliseerd moeten worden. De standaardwaarde is Waar. |
return_mask |
bool
|
Geeft instantie maskers voor segmentatie. De standaardwaarde is False. |
return_keypoint |
bool
|
Geeft sleutelpunten terug voor het schatten van de houding. De standaardwaarde is Fout. |
mask_ratio |
int
|
Downsample-verhouding voor maskers. De standaardwaarde is 4. |
mask_overlap |
bool
|
Of maskers moeten overlappen. De standaardwaarde is Waar. |
batch_idx |
bool
|
Bewaar batch indexen. De standaardinstelling is True. |
bgr |
float
|
De waarschijnlijkheid om BGR afbeeldingen te retourneren. De standaardwaarde is 0,0. |
Broncode in 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)
Geef geformatteerde afbeelding, klassen, begrenzingskaders en sleutelpunten terug voor gebruik door 'collate_fn'.
Broncode in 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)
Initialiseert de klasse Formaat met gegeven parameters.
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.RandomLoadText
Neem willekeurig een steekproef van positieve en negatieve teksten en werk de klassenindices bij op basis van het aantal steekproeven.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
prompt_format |
str
|
Formaat voor prompt. Standaard is '{}'. |
neg_samples |
tuple[int]
|
Een ranger om willekeurig te kiezen uit negatieve teksten, Standaard is (80, 80). |
max_samples |
int
|
Het maximum aantal verschillende tekstvoorbeelden in één afbeelding, standaard is 80. |
padding |
bool
|
Of teksten moeten worden opgevuld tot max_samples. De standaardinstelling is False. |
padding_value |
str
|
De opvultekst. Standaard is dit "". |
Broncode in 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)
Geef bijgewerkte klassen en teksten terug.
Broncode in ultralytics/data/augment.py
__init__(prompt_format='{}', neg_samples=(80, 80), max_samples=80, padding=False, padding_value='')
Initialiseert de RandomLoadText klasse met gegeven parameters.
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.ClassifyLetterBox
YOLOv8 LetterBox-klasse voor het voorbewerken van afbeeldingen, ontworpen om deel uit te maken van een transformatiepijplijn, bijv, T.Compose([LetterBox(grootte), ToTensor()]).
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
h |
int
|
Streefhoogte van de afbeelding. |
w |
int
|
Doelbreedte van de afbeelding. |
auto |
bool
|
Als dit waar is, wordt de korte zijde automatisch opgelost met behulp van stride. |
stride |
int
|
De stride waarde, gebruikt wanneer 'auto' True is. |
Broncode in ultralytics/data/augment.py
__call__(im)
Formaat van de afbeelding wijzigen en opvullen met een letterboxmethode.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
im |
ndarray
|
De invoerafbeelding als een numpy array van de vorm HWC. |
vereist |
Retourneert:
Type | Beschrijving |
---|---|
ndarray
|
De letterboxed en geresized afbeelding als een numpy array. |
Broncode in ultralytics/data/augment.py
__init__(size=(640, 640), auto=False, stride=32)
Initialiseert de klasse ClassifyLetterBox met een doelgrootte, auto-flag en stride.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
size |
Union[int, Tuple[int, int]]
|
De doelafmetingen (hoogte, breedte) voor de letterbox. |
(640, 640)
|
auto |
bool
|
Als dit waar is, wordt automatisch de korte zijde berekend op basis van de pas. |
False
|
stride |
int
|
De stride waarde, gebruikt wanneer 'auto' True is. |
32
|
Broncode in ultralytics/data/augment.py
ultralytics.data.augment.CenterCrop
YOLOv8 CenterCrop klasse voor het voorbewerken van afbeeldingen, ontworpen om deel uit te maken van een transformatie pijplijn, bijv, T.Compose([CenterCrop(grootte), ToTensor()]).
Broncode in ultralytics/data/augment.py
__call__(im)
Past de grootte aan en snijdt het midden van de afbeelding bij met een letterboxmethode.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
im |
ndarray
|
De invoerafbeelding als een numpy array van de vorm HWC. |
vereist |
Retourneert:
Type | Beschrijving |
---|---|
ndarray
|
De in het midden bijgesneden en verkleinde afbeelding als een numpy array. |
Broncode in ultralytics/data/augment.py
__init__(size=640)
ultralytics.data.augment.ToTensor
YOLOv8 ToTensor klasse voor het voorbewerken van afbeeldingen, dus T.Compose([LetterBox(size), ToTensor()]).
Broncode in ultralytics/data/augment.py
__call__(im)
Transformeert een afbeelding van een numpy array naar een PyTorch tensor , met toepassing van optionele halve precisie en normalisatie.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
im |
ndarray
|
Input afbeelding als een numpy array met vorm (H, W, C) in BGR volgorde. |
vereist |
Retourneert:
Type | Beschrijving |
---|---|
Tensor
|
De getransformeerde afbeelding als een PyTorch tensor in float32 of float16, genormaliseerd naar [0, 1]. |
Broncode in ultralytics/data/augment.py
__init__(half=False)
ultralytics.data.augment.v8_transforms(dataset, imgsz, hyp, stretch=False)
Converteer afbeeldingen naar een formaat dat geschikt is voor YOLOv8 training.
Broncode in 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)
Classificatie transformaties voor evaluatie/inferentie. Geïnspireerd door timm/data/transforms_factory.py.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
size |
int
|
beeldgrootte |
224
|
mean |
tuple
|
gemiddelde waarden van RGB-kanalen |
DEFAULT_MEAN
|
std |
tuple
|
standaardwaarden van RGB-kanalen |
DEFAULT_STD
|
interpolation |
InterpolationMode
|
interpolatiemodus. Standaard is T.InterpolationMode.BILINEAR. |
BILINEAR
|
crop_fraction |
float
|
fractie van de afbeelding die moet worden bijgesneden. standaard is 1,0. |
DEFAULT_CROP_FRACTION
|
Retourneert:
Type | Beschrijving |
---|---|
Compose
|
torchvision transformeert |
Broncode in 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)
Classificatie transformaties met augmentatie voor training. Geïnspireerd door timm/data/transforms_factory.py.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
size |
int
|
beeldgrootte |
224
|
scale |
tuple
|
schaalbereik van de afbeelding. standaard is (0,08, 1,0) |
None
|
ratio |
tuple
|
Beeldverhoudingbereik van de afbeelding. standaard is (3./4., 4./3.) |
None
|
mean |
tuple
|
gemiddelde waarden van RGB-kanalen |
DEFAULT_MEAN
|
std |
tuple
|
standaardwaarden van RGB-kanalen |
DEFAULT_STD
|
hflip |
float
|
kans op horizontale flip |
0.5
|
vflip |
float
|
waarschijnlijkheid van verticale flip |
0.0
|
auto_augment |
str
|
autoaugmentatiebeleid. kan 'randaugment', 'augmix', 'autoaugment' of geen zijn. |
None
|
hsv_h |
float
|
beeld HSV-tintvergroting (fractie) |
0.015
|
hsv_s |
float
|
beeld HSV-Saturatievergroting (fractie) |
0.4
|
hsv_v |
float
|
beeld HSV-waarde vergroting (fractie) |
0.4
|
force_color_jitter |
bool
|
dwingen om kleurjitter toe te passen, zelfs als auto-augment is ingeschakeld |
False
|
erasing |
float
|
waarschijnlijkheid van willekeurig wissen |
0.0
|
interpolation |
InterpolationMode
|
interpolatiemodus. Standaard is T.InterpolationMode.BILINEAR. |
BILINEAR
|
Retourneert:
Type | Beschrijving |
---|---|
Compose
|
torchvision transformeert |
Broncode in 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 |
|