Referência para ultralytics/data/dataset.py
Nota
Este ficheiro está disponível em https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/dataset .py. Se detectares um problema, por favor ajuda a corrigi-lo contribuindo com um Pull Request 🛠️. Obrigado 🙏!
ultralytics.data.dataset.YOLODataset
Bases: BaseDataset
Classe de conjunto de dados para carregar etiquetas de deteção e/ou segmentação de objectos no formato YOLO .
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
data |
dict
|
Um dicionário YAML de conjunto de dados. A predefinição é Nenhum. |
None
|
task |
str
|
Um arg explícito para apontar a tarefa atual. A predefinição é "detetar". |
'detect'
|
Devolve:
Tipo | Descrição |
---|---|
Dataset
|
Um objeto do conjunto de dados PyTorch que pode ser utilizado para treinar um modelo de deteção de objectos. |
Código fonte em ultralytics/data/dataset.py
45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 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 |
|
__init__(*args, data=None, task='detect', **kwargs)
Inicializa o YOLODataset com configurações opcionais para segmentos e pontos-chave.
Código fonte em ultralytics/data/dataset.py
build_transforms(hyp=None)
Constrói e acrescenta transformações à lista.
Código fonte em ultralytics/data/dataset.py
cache_labels(path=Path('./labels.cache'))
Armazena em cache as etiquetas do conjunto de dados, verifica as imagens e lê as formas.
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
path |
Path
|
Caminho onde guardar o ficheiro de cache. A predefinição é Path('./labels.cache'). |
Path('./labels.cache')
|
Devolve:
Tipo | Descrição |
---|---|
dict
|
etiquetas. |
Código fonte em ultralytics/data/dataset.py
close_mosaic(hyp)
Define as opções mosaic, copy_paste e mixup para 0.0 e constrói as transformações.
Código fonte em ultralytics/data/dataset.py
collate_fn(batch)
staticmethod
Agrupa as amostras de dados em lotes.
Código fonte em ultralytics/data/dataset.py
get_labels()
Devolve o dicionário de etiquetas para o treino YOLO .
Código fonte em ultralytics/data/dataset.py
update_labels_info(label)
Personaliza o formato da tua etiqueta aqui.
Nota
A classificação e a segmentação semântica precisam de uma etiqueta cls independente. Também podes apoiar a classificação e a segmentação semântica adicionando ou removendo chaves dict.
Código fonte em ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOMultiModalDataset
Bases: YOLODataset
Classe de conjunto de dados para carregar etiquetas de deteção e/ou segmentação de objectos no formato YOLO .
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
data |
dict
|
Um dicionário YAML de conjunto de dados. A predefinição é Nenhum. |
None
|
task |
str
|
Um arg explícito para apontar a tarefa atual. A predefinição é "detetar". |
'detect'
|
Devolve:
Tipo | Descrição |
---|---|
Dataset
|
Um objeto do conjunto de dados PyTorch que pode ser utilizado para treinar um modelo de deteção de objectos. |
Código fonte em ultralytics/data/dataset.py
__init__(*args, data=None, task='detect', **kwargs)
Inicializa um objeto de conjunto de dados para tarefas de deteção de objectos com especificações opcionais.
build_transforms(hyp=None)
Melhora as transformações de dados com aumento de texto opcional para formação multimodal.
Código fonte em ultralytics/data/dataset.py
update_labels_info(label)
Adiciona informações de textos para o treino de modelos multimodais.
Código fonte em ultralytics/data/dataset.py
ultralytics.data.dataset.GroundingDataset
Bases: YOLODataset
Código fonte em ultralytics/data/dataset.py
__init__(*args, task='detect', json_file, **kwargs)
Inicializa um GroundingDataset para deteção de objectos, carregando anotações de um ficheiro JSON especificado.
Código fonte em ultralytics/data/dataset.py
build_transforms(hyp=None)
Configura as ampliações para treino com carregamento de texto opcional; hyp
ajusta a intensidade do aumento.
Código fonte em ultralytics/data/dataset.py
get_img_files(img_path)
get_labels()
Carrega anotações de um arquivo JSON, filtra e normaliza as caixas delimitadoras de cada imagem.
Código fonte em ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOConcatDataset
Bases: ConcatDataset
Conjunto de dados como uma concatenação de vários conjuntos de dados.
Esta classe é útil para reunir diferentes conjuntos de dados existentes.
Código fonte em ultralytics/data/dataset.py
ultralytics.data.dataset.SemanticDataset
Bases: BaseDataset
Conjunto de dados de segmentação semântica.
Esta classe é responsável pelo tratamento de conjuntos de dados utilizados em tarefas de segmentação semântica. Herda as funcionalidades da classe BaseDataset.
Nota
Esta classe é atualmente um espaço reservado e precisa de ser preenchida com métodos e atributos para apoiar tarefas de segmentação semântica.
Código fonte em ultralytics/data/dataset.py
ultralytics.data.dataset.ClassificationDataset
Estende o torchvision ImageFolder para suportar YOLO tarefas de classificação, oferecendo funcionalidades como o aumento de imagens, o armazenamento em cache e a verificação. como aumento de imagem, armazenamento em cache e verificação. Foi concebido para lidar eficientemente com grandes conjuntos de dados para treinar modelos de aprendizagem modelos de aprendizagem profunda, com transformações de imagem opcionais e mecanismos de cache para acelerar o treinamento.
Esta classe permite aumentos usando as bibliotecas torchvision e Albumentations, e suporta imagens em cache na RAM ou no disco para reduzir a sobrecarga de IO durante o treino. Além disso, implementa um processo de verificação robusto para garantir a integridade e consistência dos dados.
Atributos:
Nome | Tipo | Descrição |
---|---|---|
cache_ram |
bool
|
Indica se o armazenamento em cache na RAM está ativado. |
cache_disk |
bool
|
Indica se o armazenamento em cache no disco está ativado. |
samples |
list
|
Uma lista de tuplas, cada uma contendo o caminho para uma imagem, seu índice de classe, caminho para seu arquivo de cache .npy (se estiver em cache no disco) e, opcionalmente, a matriz de imagem carregada (se estiver em cache na RAM). |
torch_transforms |
callable
|
PyTorch transforma a ser aplicada às imagens. |
Código fonte em ultralytics/data/dataset.py
384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 |
|
__getitem__(i)
Devolve o subconjunto de dados e alvos correspondentes aos índices indicados.
Código fonte em ultralytics/data/dataset.py
__init__(root, args, augment=False, prefix='')
Inicializa o objeto YOLO com a raiz, o tamanho da imagem, os aumentos e as definições de cache.
Parâmetros:
Nome | Tipo | Descrição | Predefinição |
---|---|---|---|
root |
str
|
Caminho para o diretório do conjunto de dados onde as imagens são armazenadas numa estrutura de pastas específica da classe. |
necessário |
args |
Namespace
|
Configuração que contém definições relacionadas com o conjunto de dados, como o tamanho da imagem, parâmetros de aumento
e definições de cache. Inclui atributos como |
necessário |
augment |
bool
|
Aplica ou não aumentos ao conjunto de dados. A predefinição é Falso. |
False
|
prefix |
str
|
Prefixo para nomes de ficheiros de registo e de cache, ajudando na identificação do conjunto de dados e depuração. A predefinição é uma cadeia vazia. |
''
|
Código fonte em ultralytics/data/dataset.py
__len__()
verify_images()
Verifica todas as imagens no conjunto de dados.
Código fonte em ultralytics/data/dataset.py
Criado em 2023-11-12, Atualizado em 2024-05-08
Autores: Burhan-Q (1), glenn-jocher (4), Laughing-q (1)