Ссылка для ultralytics/utils/metrics.py
Примечание
Этот файл доступен по адресу https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/metrics .py. Если ты заметил проблему, пожалуйста, помоги исправить ее, отправив Pull Request 🛠️. Спасибо 🙏!
ultralytics.utils.metrics.ConfusionMatrix
Класс для вычисления и обновления матрицы путаницы для задач обнаружения и классификации объектов.
Атрибуты:
Имя | Тип | Описание |
---|---|---|
task |
str
|
Тип задачи - либо "обнаружить", либо "классифицировать". |
matrix |
ndarray
|
Матрица путаницы, размерность которой зависит от задачи. |
nc |
int
|
Количество классов. |
conf |
float
|
Порог доверия для обнаружения. |
iou_thres |
float
|
Пересечение через порог Юнион. |
Исходный код в ultralytics/utils/metrics.py
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 |
|
__init__(nc, conf=0.25, iou_thres=0.45, task='detect')
Инициализируй атрибуты для модели YOLO .
Исходный код в ultralytics/utils/metrics.py
matrix()
plot(normalize=True, save_dir='', names=(), on_plot=None)
Постройте матрицу запутанности с помощью seaborn и сохраните ее в файл.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
normalize |
bool
|
Нужно ли нормализовать матрицу путаницы. |
True
|
save_dir |
str
|
Директория, в которой будет сохранен сюжет. |
''
|
names |
tuple
|
Названия классов, используемые в качестве меток на графике. |
()
|
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. |
None
|
Исходный код в ultralytics/utils/metrics.py
print()
process_batch(detections, gt_bboxes, gt_cls)
Обнови матрицу путаницы для задачи обнаружения объектов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
detections |
Array[N, 6] | Array[N, 7]
|
Обнаруженные ограничительные рамки и связанная с ними информация.
Каждая строка должна содержать (x1, y1, x2, y2, conf, class)
или с дополнительным элементом |
требуется |
gt_bboxes |
Array[M, 4] | Array[N, 5]
|
Граничные коробки с грунтом в формате xyxy/xyxyr. |
требуется |
gt_cls |
Array[M]
|
Ярлыки классов. |
требуется |
Исходный код в ultralytics/utils/metrics.py
process_cls_preds(preds, targets)
Обнови матрицу путаницы для задачи классификации.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
preds |
Array[N, min(nc, 5)]
|
Предсказанные метки классов. |
требуется |
targets |
Array[N, 1]
|
Истинные метки классов. |
требуется |
Исходный код в ultralytics/utils/metrics.py
tp_fp()
Возвращает истинно положительные и ложноположительные результаты.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.Metric
Базы: SimpleClass
Класс для вычисления метрик оценки для модели YOLOv8 .
Атрибуты:
Имя | Тип | Описание |
---|---|---|
p |
list
|
Точность для каждого класса. Форма: (nc,). |
r |
list
|
Вспомни каждый класс. Форма: (nc,). |
f1 |
list
|
Оценка F1 для каждого класса. Форма: (nc,). |
all_ap |
list
|
Оценки AP для всех классов и всех пороговых значений IoU. Форма: (nc, 10). |
ap_class_index |
list
|
Индекс класса для каждого показателя AP. Форма: (nc,). |
nc |
int
|
Количество занятий. |
Методы:
Имя | Описание |
---|---|
ap50 |
AP при пороге IoU, равном 0,5, для всех классов. Возвращает: Список оценок AP. Форма: (nc,) или []. |
ap |
AP при пороговых значениях IoU от 0,5 до 0,95 для всех классов. Возвращает: Список оценок AP. Форма: (nc,) или []. |
mp |
Средняя точность всех классов. Возвращается: Плавающая величина. |
mr |
Средний отзыв по всем классам. Возвращается: Плавающая величина. |
map50 |
Средний показатель AP при пороге IoU, равном 0,5, для всех классов. Возвращает: Плавающая величина. |
map75 |
Средний показатель AP при пороге IoU 0,75 для всех классов. Возвращает: Плавающая величина. |
map |
Средний показатель AP при пороговых значениях IoU от 0,5 до 0,95 для всех классов. Возвращает: Плавающая величина. |
mean_results |
Средние результаты, возвраты mp, mr, map50, map. |
class_result |
Результат, учитывающий классы, возвращает p[i], r[i], ap50[i], ap[i]. |
maps |
mAP каждого класса. Возвращает: Массив оценок mAP, форма: (nc,). |
fitness |
Моделируй фитнес как взвешенную комбинацию метрик. Возвращает: Плавающая величина. |
update |
Обнови атрибуты метрики новыми результатами оценки. |
Исходный код в ultralytics/utils/metrics.py
620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 |
|
ap
property
Возвращает среднюю точность (AP) при пороге IoU 0,5-0,95 для всех классов.
Возвращается:
Тип | Описание |
---|---|
(ndarray, list)
|
Массив форм (nc,) со значениями AP50-95 для каждого класса, или пустой список, если их нет. |
ap50
property
Возвращает среднюю точность (AP) при пороге IoU, равном 0,5, для всех классов.
Возвращается:
Тип | Описание |
---|---|
(ndarray, list)
|
Массив формы (nc,) со значениями AP50 для каждого класса, или пустой список, если их нет. |
curves
property
Возвращает список кривых для доступа к конкретным кривым метрики.
curves_results
property
Возвращает список кривых для доступа к конкретным кривым метрики.
map
property
Возвращает среднюю среднюю точность (mAP) по порогам IoU 0,5 - 0,95 с шагом 0,05.
Возвращается:
Тип | Описание |
---|---|
float
|
MAP превышает пороговые значения IoU 0,5 - 0,95 с шагом 0,05. |
map50
property
Возвращает среднее значение средней точности (mAP) при пороге IoU, равном 0,5.
Возвращается:
Тип | Описание |
---|---|
float
|
MAP при пороге IoU, равном 0,5. |
map75
property
Возвращает среднее значение средней точности (mAP) при пороге IoU, равном 0,75.
Возвращается:
Тип | Описание |
---|---|
float
|
MAP при пороге IoU, равном 0,75. |
maps
property
MAP каждого класса.
mp
property
Возвращает среднюю точность всех классов.
Возвращается:
Тип | Описание |
---|---|
float
|
Средняя точность всех классов. |
mr
property
Возвращает среднее значение Recall для всех классов.
Возвращается:
Тип | Описание |
---|---|
float
|
Средний отзыв по всем классам. |
__init__()
Инициализирует экземпляр Metric для вычисления оценочных метрик для модели YOLOv8 .
Исходный код в ultralytics/utils/metrics.py
class_result(i)
fitness()
Моделируй фитнес как взвешенную комбинацию метрик.
mean_results()
update(results)
Обнови метрики оценки модели новым набором результатов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
results |
tuple
|
Кортеж, содержащий следующие метрики оценки: - p (список): Точность для каждого класса. Форма: (nc,). - r (список): Recall для каждого класса. Форма: (nc,). - f1 (список): Оценка F1 для каждого класса. Форма: (nc,). - all_ap (список): Оценки AP для всех классов и всех порогов IoU. Форма: (nc, 10). - ap_class_index (список): Индекс класса для каждого показателя AP. Форма: (nc,). |
требуется |
Побочные эффекты
Обновляет атрибуты класса self.p
, self.r
, self.f1
, self.all_ap
, и self.ap_class_index
основываясь
на значениях, указанных в results
кортеж.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.DetMetrics
Базы: SimpleClass
Этот класс предназначен для вычисления таких показателей обнаружения, как точность, отзыв и средняя точность. (mAP) модели обнаружения объектов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
save_dir |
Path
|
Путь к директории, в которой будут сохраняться выходные графики. По умолчанию это текущая директория. |
Path('.')
|
plot |
bool
|
Флаг, указывающий, строить ли кривые "точность-вызов" для каждого класса. По умолчанию - False. |
False
|
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. По умолчанию - None. |
None
|
names |
tuple of str
|
Кортеж строк, представляющих имена классов. По умолчанию это пустой кортеж. |
()
|
Атрибуты:
Имя | Тип | Описание |
---|---|---|
save_dir |
Path
|
Путь к директории, в которой будут сохраняться выходные графики. |
plot |
bool
|
Флаг, указывающий, нужно ли строить кривые "точность-отдача" для каждого класса. |
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. |
names |
tuple of str
|
Кортеж строк, представляющий собой названия классов. |
box |
Metric
|
Экземпляр класса Metric для хранения результатов метрик обнаружения. |
speed |
dict
|
Словарь для хранения времени выполнения различных частей процесса обнаружения. |
Методы:
Имя | Описание |
---|---|
process |
Обнови результаты метрики последней партией прогнозов. |
keys |
Возвращает список ключей для доступа к вычисленным метрикам обнаружения. |
mean_results |
Возвращает список средних значений для вычисленных метрик обнаружения. |
class_result |
Возвращает список значений вычисленных метрик обнаружения для конкретного класса. |
maps |
Возвращает словарь значений средней точности (mAP) для различных порогов IoU. |
fitness |
Вычисляет оценку пригодности на основе вычисленных метрик обнаружения. |
ap_class_index |
Возвращает список индексов классов, отсортированных по их средним значениям точности (AP). |
results_dict |
Возвращает словарь, который сопоставляет ключи метрики обнаружения с их вычисленными значениями. |
curves |
TODO |
curves_results |
TODO |
Исходный код в ultralytics/utils/metrics.py
792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 |
|
ap_class_index
property
Возвращает средний показатель точности для каждого класса.
curves
property
Возвращает список кривых для доступа к конкретным кривым метрики.
curves_results
property
Возвращает словарь вычисленных метрик и статистики производительности.
fitness
property
Возвращает фитнес объекта box.
keys
property
Возвращает список ключей для доступа к определенным метрикам.
maps
property
Возвращает средние средние показатели точности (mAP) для каждого класса.
results_dict
property
Возвращает словарь вычисленных метрик и статистики производительности.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Инициализируй экземпляр DetMetrics, указав директорию сохранения, флаг сюжета, функцию обратного вызова и имена классов.
Исходный код в ultralytics/utils/metrics.py
class_result(i)
Верни результат оценки производительности модели обнаружения объектов на определенном классе.
mean_results()
process(tp, conf, pred_cls, target_cls)
Обрабатывай предсказанные результаты для обнаружения объектов и обновляй метрики.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.SegmentMetrics
Базы: SimpleClass
Рассчитывает и агрегирует метрики обнаружения и сегментации для заданного набора классов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
save_dir |
Path
|
Путь к директории, в которой должны быть сохранены выходные графики. По умолчанию это текущая директория. |
Path('.')
|
plot |
bool
|
Сохранять ли графики обнаружения и сегментации. По умолчанию это False. |
False
|
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. По умолчанию - None. |
None
|
names |
list
|
Список имен классов. По умолчанию это пустой список. |
()
|
Атрибуты:
Имя | Тип | Описание |
---|---|---|
save_dir |
Path
|
Путь к директории, в которой должны быть сохранены выходные графики. |
plot |
bool
|
Сохранять ли графики обнаружения и сегментации. |
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. |
names |
list
|
Список имен классов. |
box |
Metric
|
Экземпляр класса Metric для вычисления метрик обнаружения коробок. |
seg |
Metric
|
Экземпляр класса Metric для вычисления метрик сегментации маски. |
speed |
dict
|
Словарь для хранения времени, затраченного на различные этапы умозаключения. |
Методы:
Имя | Описание |
---|---|
process |
Обрабатывает метрики над заданным набором предсказаний. |
mean_results |
Возвращает среднее значение метрик обнаружения и сегментации по всем классам. |
class_result |
Возвращает метрики обнаружения и сегментации класса |
maps |
Возвращает средние показатели средней точности (mAP) для порогов IoU в диапазоне от 0,50 до 0,95. |
fitness |
Возвращает баллы за фитнес, которые представляют собой единую взвешенную комбинацию метрик. |
ap_class_index |
Возвращает список индексов классов, используемых для вычисления средней точности (AP). |
results_dict |
Возвращает словарь, содержащий все метрики обнаружения и сегментации, а также оценку пригодности. |
Исходный код в ultralytics/utils/metrics.py
893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 |
|
ap_class_index
property
Боксы и маски имеют одинаковый ap_class_index.
curves
property
Возвращает список кривых для доступа к конкретным кривым метрики.
curves_results
property
Возвращает словарь вычисленных метрик и статистики производительности.
fitness
property
Получи оценку пригодности обеих моделей сегментации и bounding box.
keys
property
Возвращает список ключей для доступа к метрикам.
maps
property
Возвращает оценки mAP для моделей обнаружения объектов и семантической сегментации.
results_dict
property
Возвращает результаты модели обнаружения объектов для оценки.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Инициализируй экземпляр SegmentMetrics, указав директорию сохранения, флаг сюжета, функцию обратного вызова и имена классов.
Исходный код в ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_m, conf, pred_cls, target_cls)
Обрабатывает метрики обнаружения и сегментации над заданным набором предсказаний.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
tp |
list
|
Список коробок "Истинный позитив". |
требуется |
tp_m |
list
|
Список истинно позитивных масок. |
требуется |
conf |
list
|
Список показателей уверенности. |
требуется |
pred_cls |
list
|
Список предсказанных классов. |
требуется |
target_cls |
list
|
Список целевых классов. |
требуется |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.PoseMetrics
Базы: SegmentMetrics
Рассчитывает и агрегирует метрики обнаружения и позирования для заданного набора классов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
save_dir |
Path
|
Путь к директории, в которой должны быть сохранены выходные графики. По умолчанию это текущая директория. |
Path('.')
|
plot |
bool
|
Сохранять ли графики обнаружения и сегментации. По умолчанию это False. |
False
|
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. По умолчанию - None. |
None
|
names |
list
|
Список имен классов. По умолчанию это пустой список. |
()
|
Атрибуты:
Имя | Тип | Описание |
---|---|---|
save_dir |
Path
|
Путь к директории, в которой должны быть сохранены выходные графики. |
plot |
bool
|
Сохранять ли графики обнаружения и сегментации. |
on_plot |
func
|
Необязательный обратный вызов для передачи пути и данных участков при их рендеринге. |
names |
list
|
Список имен классов. |
box |
Metric
|
Экземпляр класса Metric для вычисления метрик обнаружения коробок. |
pose |
Metric
|
Экземпляр класса Metric для вычисления метрик сегментации маски. |
speed |
dict
|
Словарь для хранения времени, затраченного на различные этапы умозаключения. |
Методы:
Имя | Описание |
---|---|
process |
Обрабатывает метрики над заданным набором предсказаний. |
mean_results |
Возвращает среднее значение метрик обнаружения и сегментации по всем классам. |
class_result |
Возвращает метрики обнаружения и сегментации класса |
maps |
Возвращает средние показатели средней точности (mAP) для порогов IoU в диапазоне от 0,50 до 0,95. |
fitness |
Возвращает баллы за фитнес, которые представляют собой единую взвешенную комбинацию метрик. |
ap_class_index |
Возвращает список индексов классов, используемых для вычисления средней точности (AP). |
results_dict |
Возвращает словарь, содержащий все метрики обнаружения и сегментации, а также оценку пригодности. |
Исходный код в ultralytics/utils/metrics.py
1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 |
|
curves
property
Возвращает список кривых для доступа к конкретным кривым метрики.
curves_results
property
Возвращает словарь вычисленных метрик и статистики производительности.
fitness
property
Вычисляет метрики классификации и скорость, используя targets
и pred
входы.
keys
property
Возвращает список ключей метрики оценки.
maps
property
Возвращает среднее значение средней точности (mAP) для каждого класса для обнаружения коробки и позы.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Инициализируй класс PoseMetrics, указав путь к директории, имена классов и параметры построения.
Исходный код в ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_p, conf, pred_cls, target_cls)
Обрабатывает метрики обнаружения и позирования над заданным набором предсказаний.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
tp |
list
|
Список коробок "Истинный позитив". |
требуется |
tp_p |
list
|
Список ключевых моментов True Positive. |
требуется |
conf |
list
|
Список показателей уверенности. |
требуется |
pred_cls |
list
|
Список предсказанных классов. |
требуется |
target_cls |
list
|
Список целевых классов. |
требуется |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.ClassifyMetrics
Базы: SimpleClass
Класс для вычисления метрик классификации, включая точность топ-1 и топ-5.
Атрибуты:
Имя | Тип | Описание |
---|---|---|
top1 |
float
|
Точность на уровне топ-1. |
top5 |
float
|
Топ-5 точности. |
speed |
Dict[str, float]
|
Словарь, содержащий время, затраченное на каждый шаг в конвейере. |
Свойства
fitness (float): Фитнес модели, который равен точности топ-5. results_dict (Dict[str, Union[float, str]]): Словарь, содержащий метрики классификации и фитнес. keys (List[str]): Список ключей для results_dict.
Методы:
Имя | Описание |
---|---|
process |
Обрабатывает цели и предсказания, чтобы вычислить метрики классификации. |
Исходный код в ultralytics/utils/metrics.py
curves
property
Возвращает список кривых для доступа к конкретным кривым метрики.
curves_results
property
Возвращает список кривых для доступа к конкретным кривым метрики.
fitness
property
Возвращает среднее значение точности топ-1 и топ-5 в качестве фитнес-оценки.
keys
property
Возвращает список ключей для свойства results_dict.
results_dict
property
Возвращает словарь с метриками производительности модели и оценкой пригодности.
__init__()
Инициализируй экземпляр ClassifyMetrics.
process(targets, pred)
Целевые классы и прогнозируемые классы.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.OBBMetrics
Базы: SimpleClass
Исходный код в ultralytics/utils/metrics.py
1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 |
|
ap_class_index
property
Возвращает средний показатель точности для каждого класса.
curves
property
Возвращает список кривых для доступа к конкретным кривым метрики.
curves_results
property
Возвращает список кривых для доступа к конкретным кривым метрики.
fitness
property
Возвращает фитнес объекта box.
keys
property
Возвращает список ключей для доступа к определенным метрикам.
maps
property
Возвращает средние средние показатели точности (mAP) для каждого класса.
results_dict
property
Возвращает словарь вычисленных метрик и статистики производительности.
class_result(i)
Верни результат оценки производительности модели обнаружения объектов на определенном классе.
mean_results()
process(tp, conf, pred_cls, target_cls)
Обрабатывай предсказанные результаты для обнаружения объектов и обновляй метрики.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_ioa(box1, box2, iou=False, eps=1e-07)
Рассчитай площадь пересечения над box2, заданную box1 и box2. Коробки представлены в формате x1y1x2y2.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
box1 |
ndarray
|
Массив numpy формы (n, 4), представляющий n ограничивающих боксов. |
требуется |
box2 |
ndarray
|
Массив numpy формы (m, 4), представляющий m ограничительных рамок. |
требуется |
iou |
bool
|
Рассчитай стандартный IoU, если True else return inter_area/box2_area. |
False
|
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
ndarray
|
Массив numpy формы (n, m), представляющий пересечение над областью box2. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.box_iou(box1, box2, eps=1e-07)
Рассчитай пересечение-пересечение (IoU) коробок. Ожидается, что оба набора боксов будут иметь формат (x1, y1, x2, y2). Основано на https://github.com/pytorch/vision/blob/master/torchvision/ops/boxes.py
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
box1 |
Tensor
|
tensor формы (N, 4), представляющей N ограничивающих боксов. |
требуется |
box2 |
Tensor
|
tensor формы (M, 4), представляющей M ограничивающих коробок. |
требуется |
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
NxM tensor , содержащий парные значения IoU для каждого элемента в box1 и box2. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-07)
Рассчитай пересечение через союз (IoU) между box1(1, 4) и box2(n, 4).
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
box1 |
Tensor
|
tensor , представляющий один ограничивающий бокс с формой (1, 4). |
требуется |
box2 |
Tensor
|
tensor , представляющий n ограничивающих боксов с формой (n, 4). |
требуется |
xywh |
bool
|
Если True, то поля ввода будут иметь формат (x, y, w, h). Если False, то поля ввода будут иметь формат (x1, y1, x2, y2). По умолчанию установлено значение True. |
True
|
GIoU |
bool
|
Если True, вычисли обобщенный IoU. По умолчанию установлено значение False. |
False
|
DIoU |
bool
|
Если True, вычисляй расстояние IoU. По умолчанию установлено значение False. |
False
|
CIoU |
bool
|
Если True, вычисли полный IoU. По умолчанию установлено значение False. |
False
|
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
Значения IoU, GIoU, DIoU или CIoU в зависимости от указанных флагов. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.mask_iou(mask1, mask2, eps=1e-07)
Рассчитай маски IoU.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
mask1 |
Tensor
|
tensor имеет форму (N, n), где N - количество объектов истины, а n - произведение ширины и высоты изображения. произведение ширины и высоты изображения. |
требуется |
mask2 |
Tensor
|
tensor формы (M, n), где M - количество предсказываемых объектов, а n - произведение ширины и высоты изображения. произведение ширины и высоты изображения. |
требуется |
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
На сайте tensor в форме (N, M) представлены маски IoU. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.kpt_iou(kpt1, kpt2, area, sigma, eps=1e-07)
Рассчитай сходство ключевых точек объекта (OKS).
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
kpt1 |
Tensor
|
tensor формы (N, 17, 3), представляющей истинные ключевые точки. |
требуется |
kpt2 |
Tensor
|
tensor формы (M, 17, 3), представляющей предсказанные ключевые точки. |
требуется |
area |
Tensor
|
tensor фигур (N,), представляющих области из наземной правды. |
требуется |
sigma |
list
|
Список, содержащий 17 значений, представляющих шкалы ключевых точек. |
требуется |
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
tensor формы (N, M), представляющей сходство ключевых точек. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics._get_covariance_matrix(boxes)
Генерирование ковариационной матрицы из obbs.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
boxes |
Tensor
|
tensor формы (N, 5), представляющей повернутые ограничительные рамки, в формате xywhr. |
требуется |
Возвращается:
Тип | Описание |
---|---|
Tensor
|
Ковариационные матрицы, соответствующие оригинальным повернутым ограничительным боксам. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.probiou(obb1, obb2, CIoU=False, eps=1e-07)
Рассчитай вероятность IoU между ориентированными границами, https://arxiv.org/pdf/2106.06072v1.pdf.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
obb1 |
Tensor
|
tensor формы (N, 5), представляющей наземные истинные obbs, в формате xywhr. |
требуется |
obb2 |
Tensor
|
tensor формы (N, 5), представляющей предсказанные обвесы, с форматом xywhr. |
требуется |
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
tensor формы (N, ), представляющей obb-сходства. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.batch_probiou(obb1, obb2, eps=1e-07)
Рассчитай вероятность IoU между ориентированными границами, https://arxiv.org/pdf/2106.06072v1.pdf.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
obb1 |
Tensor | ndarray
|
tensor формы (N, 5), представляющей наземные истинные obbs, в формате xywhr. |
требуется |
obb2 |
Tensor | ndarray
|
tensor формы (M, 5), представляющей предсказанные обвесы, с форматом xywhr. |
требуется |
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-7. |
1e-07
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
На tensor формы (N, M), представляющие obb-сходства. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth_BCE(eps=0.1)
Вычисляет сглаженные положительные и отрицательные цели Binary Cross-Entropy.
Эта функция вычисляет положительные и отрицательные цели BCE сглаживания меток на основе заданного значения эпсилон. Подробности реализации см. на https://github.com/ultralytics/yolov3/issues/238#issuecomment-598028441.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
eps |
float
|
Значение эпсилон для сглаживания меток. По умолчанию 0,1. |
0.1
|
Возвращается:
Тип | Описание |
---|---|
tuple
|
Кортеж, содержащий цели BCE для сглаживания положительных и отрицательных меток. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth(y, f=0.05)
Коробчатый фильтр фракции f.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_pr_curve(px, py, ap, save_dir=Path('pr_curve.png'), names=(), on_plot=None)
Постройте кривую "точность-вызов".
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_mc_curve(px, py, save_dir=Path('mc_curve.png'), names=(), xlabel='Confidence', ylabel='Metric', on_plot=None)
Постройте кривую метрического доверия.
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.compute_ap(recall, precision)
Вычисли среднюю точность (AP), учитывая кривые recall и precision.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
recall |
list
|
Кривая отзыва. |
требуется |
precision |
list
|
Кривая точности. |
требуется |
Возвращается:
Тип | Описание |
---|---|
float
|
Средняя точность. |
ndarray
|
Точная кривая огибающей. |
ndarray
|
Модифицированная кривая отзыва с добавлением дозорных значений в начале и конце. |
Исходный код в ultralytics/utils/metrics.py
ultralytics.utils.metrics.ap_per_class(tp, conf, pred_cls, target_cls, plot=False, on_plot=None, save_dir=Path(), names=(), eps=1e-16, prefix='')
Вычисляет среднюю точность для каждого класса для оценки обнаружения объектов.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
tp |
ndarray
|
Двоичный массив, указывающий, является ли обнаружение правильным (True) или нет (False). |
требуется |
conf |
ndarray
|
Массив оценок достоверности обнаружений. |
требуется |
pred_cls |
ndarray
|
Массив предсказанных классов обнаружения. |
требуется |
target_cls |
ndarray
|
Массив истинных классов обнаружения. |
требуется |
plot |
bool
|
Нужно ли строить кривые PR или нет. По умолчанию - False. |
False
|
on_plot |
func
|
Обратный вызов для передачи пути и данных участков при их рендеринге. По умолчанию - None. |
None
|
save_dir |
Path
|
Каталог для сохранения кривых PR. По умолчанию это пустой путь. |
Path()
|
names |
tuple
|
Кортеж имен классов для построения кривых PR. По умолчанию это пустой кортеж. |
()
|
eps |
float
|
Небольшое значение, чтобы избежать деления на ноль. По умолчанию это 1e-16. |
1e-16
|
prefix |
str
|
Строка префикса для сохранения файлов с графиками. По умолчанию это пустая строка. |
''
|
Возвращается:
Тип | Описание |
---|---|
tuple
|
Кортеж из шести массивов и одного массива уникальных классов, где: tp (np.ndarray): Количество истинно положительных результатов при пороге, заданном метрикой max F1 для каждого класса.Форма: (nc,). fp (np.ndarray): Количество ложноположительных результатов на пороге, заданном максимальной метрикой F1 для каждого класса. Форма: (nc,). p (np.ndarray): Значения точности на пороге, заданном метрикой max F1 для каждого класса. Форма: (nc,). r (np.ndarray): Значения Recall при пороге, заданном метрикой max F1 для каждого класса. Форма: (nc,). f1 (np.ndarray): Значения F1-score при пороге, заданном максимальной метрикой F1 для каждого класса. Форма: (nc,). ap (np.ndarray): Средняя точность для каждого класса при различных пороговых значениях IoU. Форма: (nc, 10). unique_classes (np.ndarray): Массив уникальных классов, у которых есть данные. Форма: (nc,). p_curve (np.ndarray): Кривые точности для каждого класса. Форма: (nc, 1000). r_curve (np.ndarray): Кривые Recall для каждого класса. Форма: (nc, 1000). f1_curve (np.ndarray): Кривые F1-score для каждого класса. Форма: (nc, 1000). x (np.ndarray): Значения оси X для кривых. Форма: (1000,). prec_values (np.ndarray): Значения точности на mAP@0.5 для каждого класса. Shape: (nc, 1000). |
Исходный код в ultralytics/utils/metrics.py
529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 |
|