Ссылка для ultralytics/models/sam/predict.py
Примечание
Этот файл доступен по адресу https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/models/ sam/predict .py. Если ты заметил проблему, пожалуйста, помоги исправить ее, отправив Pull Request 🛠️. Спасибо 🙏!
ultralytics.models.sam.predict.Predictor
Базы: BasePredictor
Класс Predictor для модели Segment Anything Model (SAM), расширяющий BasePredictor.
Класс предоставляет интерфейс для вывода модели, адаптированный под задачи сегментации изображений. Благодаря продвинутой архитектуре и возможностям сегментации с подсказками он обеспечивает гибкую генерацию масок в режиме реального времени. генерации масок в реальном времени. Класс способен работать с различными типами подсказок, такими как ограничительные рамки, точки и маски низкого разрешения.
Атрибуты:
Имя | Тип | Описание |
---|---|---|
cfg |
dict
|
Словарь конфигурации, задающий параметры модели и задачи. |
overrides |
dict
|
Словарь, содержащий значения, которые отменяют конфигурацию по умолчанию. |
_callbacks |
dict
|
Словарь пользовательских функций обратного вызова для дополнения поведения. |
args |
namespace
|
Пространство имен для хранения аргументов командной строки или других операционных переменных. |
im |
Tensor
|
Предварительно обработанное входное изображение tensor. |
features |
Tensor
|
Извлеченные особенности изображения используются для выводов. |
prompts |
dict
|
Коллекция различных типов подсказок, таких как ограничительные рамки и точки. |
segment_all |
bool
|
Флаг, управляющий тем, сегментировать ли все объекты на изображении или только заданные. |
Исходный код в ultralytics/models/sam/predict.py
35 36 37 38 39 40 41 42 43 44 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 |
|
__init__(cfg=DEFAULT_CFG, overrides=None, _callbacks=None)
Инициализируй Predictor с конфигурацией, переопределениями и обратными вызовами.
Метод устанавливает объект Predictor и применяет все предоставленные переопределения конфигурации или обратные вызовы. Он инициализирует специфические для конкретной задачи настройки для SAM, например, retina_masks будет установлена в True для достижения оптимальных результатов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
cfg |
dict
|
Словарь конфигураций. |
DEFAULT_CFG
|
overrides |
dict
|
Словарь значений для отмены конфигурации по умолчанию. |
None
|
_callbacks |
dict
|
Словарь функций обратного вызова для настройки поведения. |
None
|
Исходный код в ultralytics/models/sam/predict.py
generate(im, crop_n_layers=0, crop_overlap_ratio=512 / 1500, crop_downscale_factor=1, point_grids=None, points_stride=32, points_batch_size=64, conf_thres=0.88, stability_score_thresh=0.95, stability_score_offset=0.95, crop_nms_thresh=0.7)
Выполни сегментацию изображения, используя модель Segment Anything Model (SAM).
Эта функция разделяет целое изображение на составные части, используя передовую архитектуру SAM и возможности производительности в реальном времени. и возможности производительности в реальном времени. При желании она может работать с кропами изображений для более тонкой сегментации.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
im |
Tensor
|
Вход tensor , представляющий собой предварительно обработанное изображение с размерами (N, C, H, W). |
требуется |
crop_n_layers |
int
|
Указывает количество слоев для дополнительных масок-предсказателей на кропах изображений. Каждый слой создает 2**i_layer количество кропов изображений. |
0
|
crop_overlap_ratio |
float
|
Определяет перекрытие между культурами. Масштаб уменьшается в последующих слоях. |
512 / 1500
|
crop_downscale_factor |
int
|
Масштабный коэффициент для количества точек выборки на каждую сторону в каждом слое. |
1
|
point_grids |
list[ndarray]
|
Пользовательские сетки для выборки точек, нормализованные к [0,1]. Используются в n-ом слое культуры. |
None
|
points_stride |
int
|
Количество точек для выборки вдоль каждой стороны изображения. Эксклюзивно с 'point_grids'. |
32
|
points_batch_size |
int
|
Размер партии для количества одновременно обрабатываемых точек. |
64
|
conf_thres |
float
|
Порог доверия [0,1] для фильтрации, основанной на предсказании модели качества маски. |
0.88
|
stability_score_thresh |
float
|
Порог стабильности [0,1] для фильтрации масок на основе их стабильности. |
0.95
|
stability_score_offset |
float
|
Значение смещения для вычисления оценки стабильности. |
0.95
|
crop_nms_thresh |
float
|
Отсечка IoU для NMS, чтобы удалить дублирующие маски между культурами. |
0.7
|
Возвращается:
Тип | Описание |
---|---|
tuple
|
Кортеж, содержащий сегментированные маски, баллы доверия и ограничительные рамки. |
Исходный код в ultralytics/models/sam/predict.py
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 |
|
inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False, *args, **kwargs)
Выполни вывод сегментации изображения на основе заданных входных сигналов, используя текущее загруженное изображение. Этот Метод использует архитектуру SAM(Segment Anything Model), состоящую из кодера изображения, кодера подсказки и декодера маски. декодера масок для решения задач сегментации в реальном времени и с использованием подсказок.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
im |
Tensor
|
Предварительно обработанное входное изображение в формате tensor с формой (N, C, H, W). |
требуется |
bboxes |
ndarray | List
|
Граничные коробки с формой (N, 4), в формате XYXY. |
None
|
points |
ndarray | List
|
Точки, обозначающие местоположение объекта с формой (N, 2), в пикселях. |
None
|
labels |
ndarray | List
|
Метки для точечных подсказок, форма (N, ). 1 = передний план, 0 = фон. |
None
|
masks |
ndarray
|
Маски низкого разрешения из предыдущих предсказаний формы (N,H,W). Для SAM H=W=256. |
None
|
multimask_output |
bool
|
Флаг для возвращения нескольких масок. Полезно для неоднозначных подсказок. |
False
|
Возвращается:
Тип | Описание |
---|---|
tuple
|
Содержит следующие три элемента. - np.ndarray: Выходные маски в форме CxHxW, где C - количество сгенерированных масок. - np.ndarray: Массив длины C, содержащий баллы качества, предсказанные моделью для каждой маски. - np.ndarray: Логиты низкого разрешения формы CxHxW для последующего вывода, где H=W=256. |
Исходный код в ultralytics/models/sam/predict.py
postprocess(preds, img, orig_imgs)
Пост-обработка результатов умозаключений SAM для создания масок обнаружения объектов и ограничивающих боксов.
Метод масштабирует маски и боксы до размера исходного изображения и применяет порог к предсказаниям масок. Модель SAM использует продвинутую архитектуру и подсказываемые задачи сегментации для достижения производительности в реальном времени.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
preds |
tuple
|
Выходные данные, полученные в результате анализа модели SAM , содержат маски, оценки и необязательные ограничительные рамки. |
требуется |
img |
Tensor
|
Обработанное входное изображение tensor. |
требуется |
orig_imgs |
list | Tensor
|
Оригинальные, необработанные изображения. |
требуется |
Возвращается:
Тип | Описание |
---|---|
list
|
Список объектов Results, содержащих маски обнаружения, ограничительные рамки и другие метаданные. |
Исходный код в ultralytics/models/sam/predict.py
pre_transform(im)
Выполни начальные преобразования входного изображения для предварительной обработки.
Метод применяет преобразования, такие как изменение размера, чтобы подготовить изображение к дальнейшей предварительной обработке. В настоящее время пакетные выводы не поддерживаются, поэтому длина списка должна быть равна 1.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
im |
List[ndarray]
|
Список, содержащий изображения в формате массива HWC numpy. |
требуется |
Возвращается:
Тип | Описание |
---|---|
List[ndarray]
|
Список преобразованных изображений. |
Исходный код в ultralytics/models/sam/predict.py
preprocess(im)
Предварительно обработай входное изображение для вывода модели.
Метод подготавливает входное изображение, применяя преобразования и нормализацию. В качестве входных форматов он поддерживает как torch.Tensor , так и список np.ndarray.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
im |
Tensor | List[ndarray]
|
Формат BCHW tensor или список numpy-массивов HWC. |
требуется |
Возвращается:
Тип | Описание |
---|---|
Tensor
|
Препроцессированное изображение tensor. |
Исходный код в ultralytics/models/sam/predict.py
prompt_inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False)
Внутренняя функция для вывода сегментации изображения на основе таких признаков, как ограничительные рамки, точки и маски. Использует специализированную архитектуру SAM для сегментации в реальном времени на основе подсказок.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
im |
Tensor
|
Предварительно обработанное входное изображение в формате tensor с формой (N, C, H, W). |
требуется |
bboxes |
ndarray | List
|
Граничные коробки с формой (N, 4), в формате XYXY. |
None
|
points |
ndarray | List
|
Точки, обозначающие местоположение объекта с формой (N, 2), в пикселях. |
None
|
labels |
ndarray | List
|
Метки для точечных подсказок, форма (N, ). 1 = передний план, 0 = фон. |
None
|
masks |
ndarray
|
Маски низкого разрешения из предыдущих предсказаний формы (N,H,W). Для SAM H=W=256. |
None
|
multimask_output |
bool
|
Флаг для возвращения нескольких масок. Полезно для неоднозначных подсказок. |
False
|
Возвращается:
Тип | Описание |
---|---|
tuple
|
Содержит следующие три элемента. - np.ndarray: Выходные маски в форме CxHxW, где C - количество сгенерированных масок. - np.ndarray: Массив длины C, содержащий баллы качества, предсказанные моделью для каждой маски. - np.ndarray: Логиты низкого разрешения формы CxHxW для последующего вывода, где H=W=256. |
Исходный код в ultralytics/models/sam/predict.py
remove_small_regions(masks, min_area=0, nms_thresh=0.7)
staticmethod
Выполни постобработку масок сегментации, созданных моделью Segment Anything Model (SAM). В частности, эта эта функция удаляет небольшие несвязанные области и дыры из входных масок, а затем выполняет Non-Maximum Suppression (NMS), чтобы устранить все вновь созданные дубликаты.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
masks |
Tensor
|
tensor , содержащий маски, которые нужно обработать. Форма должна быть (N, H, W), где N - это количество масок, H - высота, а W - ширина. |
требуется |
min_area |
int
|
Минимальная площадь, ниже которой будут удаляться разъединенные области и отверстия. По умолчанию равно 0. |
0
|
nms_thresh |
float
|
Порог IoU для алгоритма NMS. По умолчанию 0,7. |
0.7
|
Возвращается:
Тип | Описание |
---|---|
tuple([Tensor, List[int]])
|
|
Исходный код в ultralytics/models/sam/predict.py
reset_image()
set_image(image)
Предварительно обрабатывает и настраивает одно изображение на вывод.
Эта функция устанавливает модель, если она еще не инициализирована, настраивает источник данных на указанное изображение, и предварительно обрабатывает изображение для извлечения признаков. Одновременно может быть задано только одно изображение.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
image |
str | ndarray
|
Путь к файлу изображения в виде строки или изображение np.ndarray, прочитанное cv2. |
требуется |
Поднимает:
Тип | Описание |
---|---|
AssertionError
|
Если установлено более одного изображения. |
Исходный код в ultralytics/models/sam/predict.py
set_prompts(prompts)
setup_model(model, verbose=True)
Инициализирует модель сегментов (SAM) для вывода.
Этот метод устанавливает модель SAM , назначая ее соответствующему устройству и инициализируя необходимые параметры для нормализации изображения и другие настройки совместимости с Ultralytics .
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
model |
Module
|
Предварительно обученная модель SAM . Если нет, то модель будет построена на основе конфигурации. |
требуется |
verbose |
bool
|
Если True, то печатает информацию о выбранном устройстве. |
True
|
Атрибуты:
Имя | Тип | Описание |
---|---|---|
model |
Module
|
Модель SAM , выделенная выбранному устройству для выводов. |
device |
device
|
Устройство, на которое распределяется модель и тензоры. |
mean |
Tensor
|
Средние значения для нормализации изображения. |
std |
Tensor
|
Значения стандартного отклонения для нормализации изображения. |
Исходный код в ultralytics/models/sam/predict.py
setup_source(source)
Устанавливает источник данных для выводов.
Этот метод настраивает источник данных, из которого будут браться изображения для выводов. В качестве источника может выступать каталог, видеофайл или другие типы источников данных об изображениях.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
source |
str | Path
|
Путь к источнику данных изображения для вывода. |
требуется |