Ссылка для ultralytics/data/dataset.py
Примечание
Этот файл доступен по адресу https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/dataset .py. Если ты обнаружил проблему, пожалуйста, помоги исправить ее, создав Pull Request 🛠️. Спасибо 🙏!
ultralytics.data.dataset.YOLODataset
Базы: BaseDataset
Класс Dataset для загрузки меток обнаружения объектов и/или сегментации в формате YOLO .
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
data |
dict
|
YAML-словарь набора данных. По умолчанию - None. |
None
|
task |
str
|
Явный аргумент, указывающий на текущую задачу, по умолчанию - 'detect'. |
'detect'
|
Возвращается:
Тип | Описание |
---|---|
Dataset
|
Объект датасета PyTorch , который можно использовать для обучения модели обнаружения объектов. |
Исходный код в 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)
Инициализирует YOLODataset с дополнительными настройками для сегментов и ключевых точек.
Исходный код в ultralytics/data/dataset.py
build_transforms(hyp=None)
Строит и добавляет трансформации в список.
Исходный код в ultralytics/data/dataset.py
cache_labels(path=Path('./labels.cache'))
Кэшируй метки датасета, проверяй изображения и считывай фигуры.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
path |
Path
|
Путь, по которому нужно сохранить файл кэша. По умолчанию это Path('./labels.cache'). |
Path('./labels.cache')
|
Возвращается:
Тип | Описание |
---|---|
dict
|
ярлыки. |
Исходный код в ultralytics/data/dataset.py
close_mosaic(hyp)
Установи параметры mosaic, copy_paste и mixup на 0.0 и создай трансформации.
Исходный код в ultralytics/data/dataset.py
collate_fn(batch)
staticmethod
Собирает образцы данных в партии.
Исходный код в ultralytics/data/dataset.py
get_labels()
Возвращает словарь меток для обучения YOLO .
Исходный код в ultralytics/data/dataset.py
update_labels_info(label)
Настрой свой формат этикетки здесь.
Примечание
cls теперь не с bboxes, классификация и семантическая сегментация нуждаются в независимой метке cls. Также можно поддерживать классификацию и семантическую сегментацию, добавляя или удаляя там ключи dict.
Исходный код в ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOMultiModalDataset
Базы: YOLODataset
Класс Dataset для загрузки меток обнаружения объектов и/или сегментации в формате YOLO .
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
data |
dict
|
YAML-словарь набора данных. По умолчанию - None. |
None
|
task |
str
|
Явный аргумент, указывающий на текущую задачу, по умолчанию - 'detect'. |
'detect'
|
Возвращается:
Тип | Описание |
---|---|
Dataset
|
Объект датасета PyTorch , который можно использовать для обучения модели обнаружения объектов. |
Исходный код в ultralytics/data/dataset.py
__init__(*args, data=None, task='detect', **kwargs)
Инициализирует объект dataset для задач обнаружения объектов с необязательными спецификациями.
build_transforms(hyp=None)
Улучшает преобразование данных дополнительным текстовым дополнением для мультимодального обучения.
Исходный код в ultralytics/data/dataset.py
update_labels_info(label)
Добавь информацию о текстах для тренировки мультимодальной модели.
Исходный код в ultralytics/data/dataset.py
ultralytics.data.dataset.GroundingDataset
Базы: YOLODataset
Исходный код в ultralytics/data/dataset.py
__init__(*args, task='detect', json_file, **kwargs)
Инициализирует GroundingDataset для обнаружения объектов, загружая аннотации из указанного JSON-файла.
Исходный код в ultralytics/data/dataset.py
build_transforms(hyp=None)
Настраивает дополнения для тренировок с дополнительной загрузкой текста; hyp
регулирует интенсивность аугментации.
Исходный код в ultralytics/data/dataset.py
get_img_files(img_path)
get_labels()
Загрузи аннотации из JSON-файла, отфильтруй и нормализуй ограничительные рамки для каждого изображения.
Исходный код в ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOConcatDataset
Базы: ConcatDataset
Набор данных как конкатенация нескольких наборов данных.
Этот класс полезен для того, чтобы собирать различные существующие наборы данных.
Исходный код в ultralytics/data/dataset.py
ultralytics.data.dataset.SemanticDataset
Базы: BaseDataset
Набор данных для семантической сегментации.
Этот класс отвечает за работу с наборами данных, используемыми для задач семантической сегментации. Он наследует функциональные возможности от класса BaseDataset.
Примечание
В настоящее время этот класс является временным и должен быть наполнен методами и атрибутами для поддержки задач семантической сегментации.
Исходный код в ultralytics/data/dataset.py
ultralytics.data.dataset.ClassificationDataset
Расширяет torchvision ImageFolder для поддержки задач классификации YOLO , предлагая такие функции, как увеличение, кэширование и верификация. Он предназначен для эффективной работы с большими наборами данных для обучения моделей глубокого обучения. моделей глубокого обучения, с дополнительными преобразованиями изображений и механизмами кэширования для ускорения обучения.
Этот класс позволяет создавать дополнения с помощью библиотек torchvision и Albumentations, а также поддерживает кэширование изображений в оперативной памяти или на диске, чтобы уменьшить накладные расходы на ввод-вывод во время обучения. Кроме того, в нем реализован надежный процесс проверки чтобы обеспечить целостность и непротиворечивость данных.
Атрибуты:
Имя | Тип | Описание |
---|---|---|
cache_ram |
bool
|
Указывает, включено ли кэширование в оперативной памяти. |
cache_disk |
bool
|
Указывает, включено ли кэширование на диск. |
samples |
list
|
Список кортежей, каждый из которых содержит путь к изображению, индекс его класса, путь к его кэш-файлу .npy (если он находится на диске). (если кэширование происходит на диске), и, опционально, загруженный массив изображений (если кэширование происходит в оперативной памяти). |
torch_transforms |
callable
|
PyTorch преобразования, которые нужно применить к изображениям. |
Исходный код в 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)
Возвращает подмножество данных и целей, соответствующих заданным индексам.
Исходный код в ultralytics/data/dataset.py
__init__(root, args, augment=False, prefix='')
Инициализируй объект YOLO с настройками корня, размера изображения, аугментации и кэша.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
root |
str
|
Путь к директории набора данных, где изображения хранятся в структуре папок, специфичной для каждого класса. |
требуется |
args |
Namespace
|
Конфигурация, содержащая настройки, связанные с набором данных, такие как размер изображения, параметры увеличения
параметры и настройки кэша. Она включает в себя такие атрибуты, как |
требуется |
augment |
bool
|
Нужно ли применять дополнения к набору данных. По умолчанию это False. |
False
|
prefix |
str
|
Префикс для имен файлов журналов и кэша, помогающий в идентификации наборов данных и отладке. По умолчанию это пустая строка. |
''
|
Исходный код в ultralytics/data/dataset.py
__len__()
verify_images()
Проверь все изображения в наборе данных.