Ссылка для ultralytics/data/utils.py
Примечание
Этот файл доступен по адресу https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/data/utils .py. Если ты заметил проблему, пожалуйста, помоги исправить ее, отправив Pull Request 🛠️. Спасибо 🙏!
ultralytics.data.utils.HUBDatasetStats
Класс для генерации JSON набора данных HUB и -hub
каталог с наборами данных.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
path |
str
|
Путь к data.yaml или data.zip (если data.yaml находится внутри data.zip). По умолчанию это 'coco8.yaml'. |
'coco8.yaml'
|
task |
str
|
Задание для набора данных. Варианты: "обнаружить", "сегментировать", "позировать", "классифицировать". По умолчанию - "обнаружить". |
'detect'
|
autodownload |
bool
|
Попытайся загрузить набор данных, если он не найден локально. По умолчанию это значение равно False. |
False
|
Пример
Загрузи файлы *.zip с сайта https://github.com/ultralytics/hub/tree/main/example_datasets. Например, https://github.com/ultralytics/hub/raw/main/example_datasets/coco8.zip для coco8.zip.
from ultralytics.data.utils import HUBDatasetStats
stats = HUBDatasetStats('path/to/coco8.zip', task='detect') # detect dataset
stats = HUBDatasetStats('path/to/coco8-seg.zip', task='segment') # segment dataset
stats = HUBDatasetStats('path/to/coco8-pose.zip', task='pose') # pose dataset
stats = HUBDatasetStats('path/to/dota8.zip', task='obb') # OBB dataset
stats = HUBDatasetStats('path/to/imagenet10.zip', task='classify') # classification dataset
stats.get_json(save=True)
stats.process_images()
Исходный код в ultralytics/data/utils.py
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 |
|
__init__(path='coco8.yaml', task='detect', autodownload=False)
Инициализируй класс.
Исходный код в ultralytics/data/utils.py
get_json(save=False, verbose=False)
Возвращай набор данных JSON для Ultralytics HUB.
Исходный код в ultralytics/data/utils.py
process_images()
Сжимай изображения для Ultralytics HUB.
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.img2label_paths(img_paths)
Определи путь метки как функцию пути изображения.
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.get_hash(paths)
Возвращает одно хэш-значение из списка путей (файлов или директорий).
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.exif_size(img)
Возвращает скорректированный по exif размер PIL.
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.verify_image(args)
Проверь один образ.
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.verify_image_label(args)
Проверь одну пару "изображение - метка".
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.polygon2mask(imgsz, polygons, color=1, downsample_ratio=1)
Преобразуй список многоугольников в двоичную маску указанного размера изображения.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
imgsz |
tuple
|
Размер изображения в виде (высота, ширина). |
требуется |
polygons |
list[ndarray]
|
Список полигонов. Каждый многоугольник - это массив с формой [N, M], где N - количество многоугольников, а M - количество точек, таких, что M % 2 = 0. |
требуется |
color |
int
|
Значение цвета для заливки полигонов на маске. По умолчанию равно 1. |
1
|
downsample_ratio |
int
|
Коэффициент, на который нужно понизить дискретизацию маски. По умолчанию равен 1. |
1
|
Возвращается:
Тип | Описание |
---|---|
ndarray
|
Бинарная маска указанного размера изображения с заполненными полигонами. |
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.polygons2masks(imgsz, polygons, color, downsample_ratio=1)
Преобразуй список полигонов в набор двоичных масок указанного размера изображения.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
imgsz |
tuple
|
Размер изображения в виде (высота, ширина). |
требуется |
polygons |
list[ndarray]
|
Список полигонов. Каждый многоугольник - это массив с формой [N, M], где N - количество многоугольников, а M - количество точек, таких, что M % 2 = 0. |
требуется |
color |
int
|
Значение цвета для заливки полигонов на масках. |
требуется |
downsample_ratio |
int
|
Коэффициент, на который нужно понизить дискретизацию каждой маски. По умолчанию равен 1. |
1
|
Возвращается:
Тип | Описание |
---|---|
ndarray
|
Набор бинарных масок указанного размера изображения с заполненными полигонами. |
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.polygons2masks_overlap(imgsz, segments, downsample_ratio=1)
Возвращай маску перекрытия (640, 640).
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.find_dataset_yaml(path)
Найди и верни YAML-файл, связанный с набором данных Detect, Segment или Pose.
Эта функция сначала ищет YAML-файл на корневом уровне указанной директории, а если он не найден, то выполняет рекурсивный поиск. Предпочтение отдается YAML-файлам, которые имеют тот же корень, что и указанный путь. Ошибка AssertionError будет выдан, если не будет найден ни один YAML-файл или если будет найдено несколько YAML-файлов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
path |
Path
|
Путь к директории, по которому нужно искать YAML-файл. |
требуется |
Возвращается:
Тип | Описание |
---|---|
Path
|
Путь к найденному YAML-файлу. |
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.check_det_dataset(dataset, autodownload=True)
Загрузи, проверь и/или разархивируй набор данных, если он не найден локально.
Эта функция проверяет наличие указанного набора данных, и если он не найден, то есть возможность скачать и разархивировать набор данных. Затем она считывает и разбирает сопутствующие YAML-данные, обеспечивая выполнение ключевых требований, а также разрешает пути, связанные с набором данных.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
dataset |
str
|
Путь к набору данных или дескриптору набора данных (например, YAML-файл). |
требуется |
autodownload |
bool
|
Нужно ли автоматически загружать набор данных, если он не найден. По умолчанию установлено значение True. |
True
|
Возвращается:
Тип | Описание |
---|---|
dict
|
Разобранная информация о наборе данных и пути. |
Исходный код в ultralytics/data/utils.py
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 |
|
ultralytics.data.utils.check_cls_dataset(dataset, split='')
Проверяет набор данных для классификации, например Imagenet.
Эта функция принимает dataset
имя и пытается получить информацию о соответствующем наборе данных.
Если набор данных не найден локально, он пытается загрузить его из интернета и сохранить локально.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
dataset |
str | Path
|
Название набора данных. |
требуется |
split |
str
|
Сплит набора данных. Либо 'val', либо 'test', либо ''. По умолчанию используется ''. |
''
|
Возвращается:
Тип | Описание |
---|---|
dict
|
Словарь, содержащий следующие ключи: - 'train' (Path): Путь к директории, содержащей обучающий набор данных. - 'val' (Path): Путь к директории, содержащей валидационный набор данных. - 'test' (Path): Путь к директории, содержащей тестовый набор данных. - 'nc' (int): Количество классов в наборе данных. - 'names' (dict): Словарь имен классов в наборе данных. |
Исходный код в ultralytics/data/utils.py
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 |
|
ultralytics.data.utils.compress_one_image(f, f_new=None, max_dim=1920, quality=50)
Сжимает один файл изображения до уменьшенного размера с сохранением соотношения сторон и качества, используя либо библиотеку Python Imaging Library (PIL), либо библиотеку OpenCV. Если входное изображение меньше максимального размера, то оно не будет изменять размер.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
f |
str
|
Путь к файлу входного изображения. |
требуется |
f_new |
str
|
Путь к выходному файлу изображения. Если он не указан, то входной файл будет перезаписан. |
None
|
max_dim |
int
|
Максимальный размер (ширина или высота) выходного изображения. По умолчанию это 1920 пикселей. |
1920
|
quality |
int
|
Качество сжатия изображения в процентах. По умолчанию это 50%. |
50
|
Пример
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.autosplit(path=DATASETS_DIR / 'coco8/images', weights=(0.9, 0.1, 0.0), annotated_only=False)
Автоматически разбивай набор данных на сплиты train/val/test и сохраняй полученные сплиты в файлы autosplit_*.txt.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
path |
Path
|
Путь к директории с изображениями. По умолчанию DATASETS_DIR / 'coco8/images'. |
DATASETS_DIR / 'coco8/images'
|
weights |
list | tuple
|
Фракции тренировочного, валидационного и тестового сплитов. По умолчанию (0,9, 0,1, 0,0). |
(0.9, 0.1, 0.0)
|
annotated_only |
bool
|
Если True, то будут использоваться только изображения с соответствующим txt-файлом. По умолчанию установлено значение False. |
False
|
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.load_dataset_cache_file(path)
Загрузи словарь Ultralytics *.cache из пути.
Исходный код в ultralytics/data/utils.py
ultralytics.data.utils.save_dataset_cache_file(prefix, path, x, version)
Сохрани Ultralytics набор данных *.cache dictionary x по пути.