Referentie voor ultralytics/engine/results.py
Opmerking
Dit bestand is beschikbaar op https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/engine/results .py. Als je een probleem ziet, help het dan oplossen door een Pull Request 🛠️ bij te dragen. Bedankt 🙏!
ultralytics.engine.results.BaseTensor
Basis: SimpleClass
Basisklasse tensor met extra methoden voor eenvoudige manipulatie en apparaatafhandeling.
Broncode in ultralytics/engine/results.py
shape
property
Geef de vorm van de gegevens terug tensor.
__getitem__(idx)
__init__(data, orig_shape)
Initialiseer BaseTensor met gegevens en oorspronkelijke vorm.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
data |
Tensor | ndarray
|
Voorspellingen, zoals bboxen, maskers en sleutelpunten. |
vereist |
orig_shape |
tuple
|
Oorspronkelijke vorm van afbeelding. |
vereist |
Broncode in ultralytics/engine/results.py
__len__()
cpu()
cuda()
numpy()
to(*args, **kwargs)
Geeft een kopie van de tensor met het opgegeven apparaat en dtype.
ultralytics.engine.results.Results
Basis: SimpleClass
Een klasse voor het opslaan en manipuleren van inferentieresultaten.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
orig_img |
ndarray
|
Oorspronkelijke afbeelding als een numpy array. |
orig_shape |
tuple
|
Originele afbeeldingsvorm in (hoogte, breedte) formaat. |
boxes |
Boxes
|
Object met detectiegrenzen. |
masks |
Masks
|
Object dat detectiemaskers bevat. |
probs |
Probs
|
Object met klassenwaarschijnlijkheden voor classificatietaken. |
keypoints |
Keypoints
|
Object met gedetecteerde sleutelpunten voor elk object. |
speed |
dict
|
Woordenboek met snelheden voor preprocessing, inferentie en postprocessing (ms/image). |
names |
dict
|
Woordenboek met klassennamen. |
path |
str
|
Pad naar het afbeeldingsbestand. |
Methoden:
Naam | Beschrijving |
---|---|
update |
Werkt objectattributen bij met nieuwe detectieresultaten. |
cpu |
Retourneert een kopie van het Results-object met alle tensoren op het CPU-geheugen. |
numpy |
Retourneert een kopie van het Results object met alle tensoren als numpy arrays. |
cuda |
Retourneert een kopie van het Results-object met alle tensoren in het GPU-geheugen. |
to |
Retourneert een kopie van het Results-object met tensoren op een opgegeven apparaat en dtype. |
new |
Retourneert een nieuw Results-object met dezelfde afbeelding, hetzelfde pad en dezelfde namen. |
plot |
Tekent detectieresultaten op een invoerafbeelding en retourneert een geannoteerde afbeelding. |
show |
Toon geannoteerde resultaten op het scherm. |
save |
Geannoteerde resultaten opslaan in een bestand. |
verbose |
Geeft een logstring terug voor elke taak, met details over detecties en classificaties. |
save_txt |
Slaat detectieresultaten op in een tekstbestand. |
save_crop |
Slaat bijgesneden detectiebeelden op. |
tojson |
Converteert detectieresultaten naar JSON formaat. |
Broncode in ultralytics/engine/results.py
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 |
|
__getitem__(idx)
__init__(orig_img, path, names, boxes=None, masks=None, probs=None, keypoints=None, obb=None)
Initialiseer de klasse Resultaten.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
orig_img |
ndarray
|
De originele afbeelding als een numpy array. |
vereist |
path |
str
|
Het pad naar het afbeeldingsbestand. |
vereist |
names |
dict
|
Een woordenboek met klassennamen. |
vereist |
boxes |
tensor
|
Een 2D tensor van begrenzende dooscoördinaten voor elke detectie. |
None
|
masks |
tensor
|
Een 3D tensor van detectiemaskers, waarbij elk masker een binaire afbeelding is. |
None
|
probs |
tensor
|
Een 1D tensor van waarschijnlijkheden van elke klasse voor classificatietaken. |
None
|
keypoints |
tensor
|
Een 2D tensor van sleutelpuntcoördinaten voor elke detectie. |
None
|
obb |
tensor
|
Een 2D tensor van georiënteerde begrenzende dooscoördinaten voor elke detectie. |
None
|
Broncode in ultralytics/engine/results.py
__len__()
cpu()
cuda()
new()
Retourneert een nieuw Results-object met dezelfde afbeelding, hetzelfde pad en dezelfde namen.
numpy()
plot(conf=True, line_width=None, font_size=None, font='Arial.ttf', pil=False, img=None, im_gpu=None, kpt_radius=5, kpt_line=True, labels=True, boxes=True, masks=True, probs=True, show=False, save=False, filename=None)
Tekent de detectieresultaten op een RGB-afbeelding. Accepteert een numpy array (cv2) of een PIL afbeelding.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
conf |
bool
|
Of de betrouwbaarheidscore voor detectie moet worden uitgezet. |
True
|
line_width |
float
|
De lijnbreedte van de begrenzende vakken. Als er geen is, wordt deze geschaald naar de afbeeldingsgrootte. |
None
|
font_size |
float
|
De lettergrootte van de tekst. Als er geen is, wordt de tekst geschaald naar de afbeeldingsgrootte. |
None
|
font |
str
|
Het lettertype dat moet worden gebruikt voor de tekst. |
'Arial.ttf'
|
pil |
bool
|
Of de afbeelding moet worden geretourneerd als een PIL Afbeelding. |
False
|
img |
ndarray
|
Plot naar een andere afbeelding. zo niet, plot dan naar de oorspronkelijke afbeelding. |
None
|
im_gpu |
Tensor
|
Genormaliseerde afbeelding in gpu met vorm (1, 3, 640, 640), voor het sneller plotten van maskers. |
None
|
kpt_radius |
int
|
Straal van de getekende toetspunten. De standaardinstelling is 5. |
5
|
kpt_line |
bool
|
Of er lijnen moeten worden getekend die sleutelpunten verbinden. |
True
|
labels |
bool
|
Of het label van bounding boxes moet worden geplot. |
True
|
boxes |
bool
|
Of de begrenzingskaders moeten worden geplot. |
True
|
masks |
bool
|
Of de maskers moeten worden uitgezet. |
True
|
probs |
bool
|
Of de classificatiekans moet worden uitgezet |
True
|
show |
bool
|
Of de geannoteerde afbeelding direct moet worden weergegeven. |
False
|
save |
bool
|
Of de geannoteerde afbeelding moet worden opgeslagen in |
False
|
filename |
str
|
Bestandsnaam om de afbeelding in op te slaan als opslaan True is. |
None
|
Retourneert:
Type | Beschrijving |
---|---|
ndarray
|
Een numpy array van de geannoteerde afbeelding. |
Voorbeeld
from PIL import Image
from ultralytics import YOLO
model = YOLO('yolov8n.pt')
results = model('bus.jpg') # results list
for r in results:
im_array = r.plot() # plot a BGR numpy array of predictions
im = Image.fromarray(im_array[..., ::-1]) # RGB PIL image
im.show() # show image
im.save('results.jpg') # save image
Broncode in ultralytics/engine/results.py
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 |
|
save(filename=None, *args, **kwargs)
Afbeelding met geannoteerde resultaten opslaan.
save_crop(save_dir, file_name=Path('im.jpg'))
Bijgesneden voorspellingen opslaan in save_dir/cls/file_name.jpg
.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
save_dir |
str | Path
|
Pad opslaan. |
vereist |
file_name |
str | Path
|
Bestandsnaam. |
Path('im.jpg')
|
Broncode in ultralytics/engine/results.py
save_txt(txt_file, save_conf=False)
Sla voorspellingen op in een txt-bestand.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
txt_file |
str
|
txt bestandspad. |
vereist |
save_conf |
bool
|
vertrouwensscore opslaan of niet. |
False
|
Broncode in ultralytics/engine/results.py
show(*args, **kwargs)
summary(normalize=False, decimals=5)
Converteer de resultaten naar een samengevat formaat.
Broncode in ultralytics/engine/results.py
to(*args, **kwargs)
Retourneert een kopie van het Results-object met tensoren op het opgegeven apparaat en dtype.
tojson(normalize=False, decimals=5)
update(boxes=None, masks=None, probs=None, obb=None)
Werk de kenmerken van de vakken, maskers en probs van het object Resultaten bij.
Broncode in ultralytics/engine/results.py
verbose()
Geef een logstring terug voor elke taak.
Broncode in ultralytics/engine/results.py
ultralytics.engine.results.Boxes
Basis: BaseTensor
Beheert detectieboxen en biedt eenvoudige toegang tot en manipulatie van boxcoördinaten, betrouwbaarheidsscores, klasse identifiers en optionele tracking-ID's. Ondersteunt meerdere formaten voor boxcoördinaten, waaronder zowel absolute als genormaliseerde vormen.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
data |
Tensor
|
De ruwe tensor met detectievakjes en de bijbehorende gegevens. |
orig_shape |
tuple
|
De originele afbeeldingsgrootte als een tupel (hoogte, breedte), gebruikt voor normalisatie. |
is_track |
bool
|
Geeft aan of tracking-ID's worden opgenomen in de doosgegevens. |
Eigenschappen
xyxy (torch.Tensor | numpy.ndarray): Vakken in het formaat [x1, y1, x2, y2].
conf (torch.Tensor | numpy.ndarray): Vertrouwensscores voor elke box.
cls (torch.Tensor | numpy.ndarray): Klasse labels voor elk vak.
id (torch.Tensor | numpy.ndarray, optioneel): Tracking ID's voor elke box, indien beschikbaar.
xywh (torch.Tensor | numpy.ndarray): Boxen in [x, y, breedte, hoogte] formaat, op verzoek berekend.
xyxyn (torch.Tensor | numpy.ndarray): Genormaliseerde [x1, y1, x2, y2] vakken, relatief ten opzichte van orig_shape
.
xywhn (torch.Tensor | numpy.ndarray): Genormaliseerde [x, y, breedte, hoogte] vakken, relatief ten opzichte van orig_shape
.
Methoden:
Naam | Beschrijving |
---|---|
cpu |
Verplaatst de dozen naar het CPU-geheugen. |
numpy |
Converteert de vakjes naar een numpy array formaat. |
cuda |
Verplaatst de dozen naar het CUDA (GPU) geheugen. |
to |
Verplaatst de dozen naar het opgegeven apparaat. |
Broncode in ultralytics/engine/results.py
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 |
|
cls
property
Geeft de klassewaarden van de vakken terug.
conf
property
Geeft de betrouwbaarheidswaarden van de vakken.
id
property
Geef de track-ID's van de boxen terug (indien beschikbaar).
xywh
cached
property
Stuur de dozen terug in xywh formaat.
xywhn
cached
property
Retourneer de vakken in xywh formaat genormaliseerd door de originele afbeeldingsgrootte.
xyxy
property
Geef de vakken terug in xyxy formaat.
xyxyn
cached
property
Geef de vakken terug in xyxy formaat genormaliseerd door de originele afbeeldingsgrootte.
__init__(boxes, orig_shape)
Initialiseer de klasse Boxen.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
boxes |
Tensor | ndarray
|
Een tensor of numpy array met de detectievakjes, met vorm (num_boxes, 6) of (num_boxes, 7). De laatste twee kolommen bevatten betrouwbaarheids- en klassewaarden. Indien aanwezig bevat de derde laatste kolom spoor-ID's. |
vereist |
orig_shape |
tuple
|
Originele afbeeldingsgrootte, in het formaat (hoogte, breedte). |
vereist |
Broncode in ultralytics/engine/results.py
ultralytics.engine.results.Masks
Basis: BaseTensor
Een klasse voor het opslaan en manipuleren van detectiemaskers.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
xy |
list
|
Een lijst van segmenten in pixelcoördinaten. |
xyn |
list
|
Een lijst van genormaliseerde segmenten. |
Methoden:
Naam | Beschrijving |
---|---|
cpu |
Geeft de maskers tensor op het CPU-geheugen. |
numpy |
Geeft de maskers tensor terug als een numpy array. |
cuda |
Geeft de maskers tensor op het GPU-geheugen. |
to |
Geeft de maskers tensor met het opgegeven apparaat en dtype. |
Broncode in ultralytics/engine/results.py
xy
cached
property
Geeft segmenten in pixelcoördinaten.
xyn
cached
property
Genormaliseerde segmenten teruggeven.
__init__(masks, orig_shape)
Initialiseer de klasse Maskers met de gegeven maskers tensor en de oorspronkelijke afbeeldingsvorm.
ultralytics.engine.results.Keypoints
Basis: BaseTensor
Een klasse voor het opslaan en manipuleren van detectietoetsenpunten.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
xy |
Tensor
|
Een verzameling sleutelpunten met x-, y-coördinaten voor elke detectie. |
xyn |
Tensor
|
Een genormaliseerde versie van xy met coördinaten in het bereik [0, 1]. |
conf |
Tensor
|
Vertrouwenswaarden gekoppeld aan toetspunten indien beschikbaar, anders geen. |
Methoden:
Naam | Beschrijving |
---|---|
cpu |
Geeft een kopie van de sleutelpunten tensor op het CPU-geheugen. |
numpy |
Geeft een kopie van de sleutelpunten tensor als een numpy array. |
cuda |
Geeft een kopie van de sleutelpunten tensor op het GPU-geheugen. |
to |
Retourneert een kopie van de sleutelpunten tensor met het opgegeven apparaat en dtype. |
Broncode in ultralytics/engine/results.py
conf
cached
property
Geeft betrouwbaarheidswaarden van toetspunten indien beschikbaar, anders geen.
xy
cached
property
Geeft x, y coördinaten van sleutelpunten.
xyn
cached
property
Geeft genormaliseerde x, y coördinaten van sleutelpunten.
__init__(keypoints, orig_shape)
Initialiseert het object Keypoints met detectietoetspunten en originele afbeeldingsgrootte.
Broncode in ultralytics/engine/results.py
ultralytics.engine.results.Probs
Basis: BaseTensor
Een klasse voor het opslaan en manipuleren van classificatievoorspellingen.
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
top1 |
int
|
Index van de topklasse 1. |
top5 |
list[int]
|
Indices van de top 5 klassen. |
top1conf |
Tensor
|
Vertrouwen van de top 1 klasse. |
top5conf |
Tensor
|
Vertrouwelijkheden van de top 5 klassen. |
Methoden:
Naam | Beschrijving |
---|---|
cpu |
Geeft een kopie van de probs tensor op het CPU-geheugen. |
numpy |
Geeft een kopie van de probs tensor als een numpy array. |
cuda |
Geeft een kopie van de probs tensor op het GPU-geheugen. |
to |
Geeft een kopie van de probs tensor met het opgegeven apparaat en dtype. |
Broncode in ultralytics/engine/results.py
top1
cached
property
Geeft de index van top 1 terug.
top1conf
cached
property
Geef het vertrouwen van top 1 terug.
top5
cached
property
Geef de indexen van de top 5 terug.
top5conf
cached
property
Geef de vertrouwelijkheden van de top 5 terug.
__init__(probs, orig_shape=None)
Initialiseer de klasse Probs met classificatiekansen en optionele oorspronkelijke vorm van de afbeelding.
ultralytics.engine.results.OBB
Basis: BaseTensor
Een klasse voor het opslaan en manipuleren van Oriented Bounding Boxes (OBB).
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
boxes |
Tensor | ndarray
|
Een tensor of numpy array met de detectievakjes, met de vorm (num_boxes, 7) of (num_boxes, 8). De laatste twee kolommen bevatten betrouwbaarheids- en klassewaarden. Indien aanwezig bevat de op twee na laatste kolom de track-ID's en de vijfde kolom van links de rotatie. |
vereist |
orig_shape |
tuple
|
Originele afbeeldingsgrootte, in het formaat (hoogte, breedte). |
vereist |
Kenmerken:
Naam | Type | Beschrijving |
---|---|---|
xywhr |
Tensor | ndarray
|
De vakken in [x_center, y_center, breedte, hoogte, rotatie] formaat. |
conf |
Tensor | ndarray
|
De betrouwbaarheidswaarden van de vakken. |
cls |
Tensor | ndarray
|
De klassewaarden van de vakken. |
id |
Tensor | ndarray
|
De track ID's van de boxen (indien beschikbaar). |
xyxyxyxyn |
Tensor | ndarray
|
De geroteerde vakken in xyxyxyxy-formaat genormaliseerd door de oorspronkelijke afbeeldingsgrootte. |
xyxyxyxy |
Tensor | ndarray
|
De geroteerde vakken in xyxyxyxy-formaat. |
xyxy |
Tensor | ndarray
|
De horizontale vakken in xyxyxyxy-formaat. |
data |
Tensor
|
De ruwe OBB tensor (alias voor |
Methoden:
Naam | Beschrijving |
---|---|
cpu |
Verplaats het object naar het CPU-geheugen. |
numpy |
Converteer het object naar een numpy array. |
cuda |
Verplaats het object naar het CUDA geheugen. |
to |
Verplaats het object naar het opgegeven apparaat. |
Broncode in ultralytics/engine/results.py
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 |
|
cls
property
Geeft de klassewaarden van de vakken terug.
conf
property
Geeft de betrouwbaarheidswaarden van de vakken.
id
property
Geef de track-ID's van de boxen terug (indien beschikbaar).
xywhr
property
Geef de geroteerde vakken terug in xywhr formaat.
xyxy
cached
property
Geef de horizontale vakken terug in xyxy formaat, (N, 4).
Accepteert zowel torch als numpy boxes.
xyxyxyxy
cached
property
Geef de vakken terug in xyxyxyxy-formaat, (N, 4, 2).
xyxyxyxyn
cached
property
Geef de vakken terug in xyxyxyxy-formaat, (N, 4, 2).
__init__(boxes, orig_shape)
Initialiseer de klasse Boxen.