Referentie voor ultralytics/nn/modules/head.py
Opmerking
Dit bestand is beschikbaar op https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/nn/modules/head .py. Als je een probleem ziet, help het dan oplossen door een Pull Request ๐ ๏ธ bij te dragen. Bedankt ๐!
ultralytics.nn.modules.head.Detect
Basis: Module
YOLOv8 Detectiekop voor detectiemodellen.
Broncode in ultralytics/nn/modules/head.py
__init__(nc=80, ch=())
Initialiseert de YOLOv8 detectielaag met een opgegeven aantal klassen en kanalen.
Broncode in ultralytics/nn/modules/head.py
bias_init()
Initialiseer Detect() vertekeningen, WAARSCHUWING: stride beschikbaarheid vereist.
Broncode in ultralytics/nn/modules/head.py
decode_bboxes(bboxes, anchors)
forward(x)
Voegt voorspelde begrenzingskaders en klassenwaarschijnlijkheden samen en geeft deze terug.
Broncode in ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Segment
Basis: Detect
YOLOv8 Segmentkop voor segmentatiemodellen.
Broncode in ultralytics/nn/modules/head.py
__init__(nc=80, nm=32, npr=256, ch=())
Initialiseer de attributen van het YOLO model, zoals het aantal maskers, prototypes en de convolutielagen.
Broncode in ultralytics/nn/modules/head.py
forward(x)
Geeft modeluitgangen en maskercoรซfficiรซnten terug als er wordt getraind, anders geeft het model uitgangen en maskercoรซfficiรซnten terug.
Broncode in ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.OBB
Basis: Detect
YOLOv8 OBB detectiekop voor detectie met rotatiemodellen.
Broncode in ultralytics/nn/modules/head.py
__init__(nc=80, ne=1, ch=())
OBB initialiseren met aantal klassen nc
en laagkanalen ch
.
Broncode in ultralytics/nn/modules/head.py
decode_bboxes(bboxes, anchors)
forward(x)
Voegt voorspelde begrenzingskaders en klassenwaarschijnlijkheden samen en geeft deze terug.
Broncode in ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Pose
Basis: Detect
YOLOv8 Houdingshoofd voor sleutelpuntmodellen.
Broncode in ultralytics/nn/modules/head.py
__init__(nc=80, kpt_shape=(17, 3), ch=())
Initialiseer YOLO netwerk met standaardparameters en convolutielagen.
Broncode in ultralytics/nn/modules/head.py
forward(x)
Voer voorwaartse passages uit door YOLO model en retourneer voorspellingen.
Broncode in ultralytics/nn/modules/head.py
kpts_decode(bs, kpts)
Decodeert sleutelpunten.
Broncode in ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Classify
Basis: Module
YOLOv8 classificatiekop, dus x(b,c1,20,20) naar x(b,c2).
Broncode in ultralytics/nn/modules/head.py
__init__(c1, c2, k=1, s=1, p=None, g=1)
Initialiseert YOLOv8 classificatiekop met opgegeven invoer- en uitvoerkanalen, kernelgrootte, stride, opvulling en groepen.
Broncode in ultralytics/nn/modules/head.py
forward(x)
Voert een voorwaartse beweging uit van het YOLO model op ingevoerde beeldgegevens.
Broncode in ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.WorldDetect
Basis: Detect
Broncode in ultralytics/nn/modules/head.py
__init__(nc=80, embed=512, with_bn=False, ch=())
Initialiseer YOLOv8 detectielaag met nc klassen en laagkanalen ch.
Broncode in ultralytics/nn/modules/head.py
bias_init()
Initialiseer Detect() vertekeningen, WAARSCHUWING: stride beschikbaarheid vereist.
Broncode in ultralytics/nn/modules/head.py
forward(x, text)
Voegt voorspelde begrenzingskaders en klassenwaarschijnlijkheden samen en geeft deze terug.
Broncode in ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.RTDETRDecoder
Basis: Module
Real-Time Deformable Transformer Decoder (RTDETRDecoder) module voor objectdetectie.
Deze decodermodule maakt gebruik van de Transformer-architectuur in combinatie met vervormbare convoluties om bounding boxes en klasselabels voor objecten in een afbeelding te voorspellen. De module integreert functies uit meerdere lagen en doorloopt een reeks Transformer-decoderlagen om de uiteindelijke voorspellingen uit te voeren. Transformer decoderlagen om de uiteindelijke voorspellingen uit te voeren.
Broncode in ultralytics/nn/modules/head.py
261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 |
|
__init__(nc=80, ch=(512, 1024, 2048), hd=256, nq=300, ndp=4, nh=8, ndl=6, d_ffn=1024, dropout=0.0, act=nn.ReLU(), eval_idx=-1, nd=100, label_noise_ratio=0.5, box_noise_scale=1.0, learnt_init_query=False)
Initialiseert de RTDETRDecoder module met de gegeven parameters.
Parameters:
Naam | Type | Beschrijving | Standaard |
---|---|---|---|
nc |
int
|
Aantal klassen. Standaard is dit 80. |
80
|
ch |
tuple
|
Kanalen in de backbone feature maps. De standaardwaarde is (512, 1024, 2048). |
(512, 1024, 2048)
|
hd |
int
|
Dimensie van verborgen lagen. Standaard is dit 256. |
256
|
nq |
int
|
Aantal zoekpunten. Standaard 300. |
300
|
ndp |
int
|
Aantal decoderpunten. Standaard is dit 4. |
4
|
nh |
int
|
Aantal koppen in meerkopsaandacht. Standaard is 8. |
8
|
ndl |
int
|
Aantal decoderlagen. Standaard is dit 6. |
6
|
d_ffn |
int
|
Dimensie van de feed-forward netwerken. Standaard is dit 1024. |
1024
|
dropout |
float
|
Uitvalpercentage. De standaardwaarde is 0. |
0.0
|
act |
Module
|
Activeringsfunctie. Standaard is nn.ReLU. |
ReLU()
|
eval_idx |
int
|
Evaluatie-index. Standaard is -1. |
-1
|
nd |
int
|
Aantal denoising. Standaard is 100. |
100
|
label_noise_ratio |
float
|
Verhouding labelruis. De standaardwaarde is 0,5. |
0.5
|
box_noise_scale |
float
|
Schaal voor boxruis. De standaardwaarde is 1,0. |
1.0
|
learnt_init_query |
bool
|
Of initiรซle query inbeddingen geleerd moeten worden. De standaardinstelling is Fout. |
False
|
Broncode in ultralytics/nn/modules/head.py
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 |
|
forward(x, batch=None)
Voert de voorwaartse pass van de module uit en retourneert bounding box en classificatiescores voor de invoer.