Ссылка для ultralytics/utils/tal.py
Примечание
Этот файл доступен по адресу https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/utils/tal .py. Если ты заметил проблему, пожалуйста, помоги исправить ее, отправив Pull Request 🛠️. Спасибо 🙏!
ultralytics.utils.tal.TaskAlignedAssigner
Базы: Module
Назначатель задач для обнаружения объектов.
Этот класс присваивает объектам якоря, основанные на метрике выравнивания задач, которая сочетает в себе как классификационную, так и локализационную информацию. классификацию и информацию о локализации.
Атрибуты:
Имя | Тип | Описание |
---|---|---|
topk |
int
|
Количество лучших кандидатов, которых нужно рассмотреть. |
num_classes |
int
|
Количество классов объектов. |
alpha |
float
|
Параметр альфа для классификационного компонента метрики выравнивания задач. |
beta |
float
|
Бета-параметр для локализационной составляющей метрики, ориентированной на задачу. |
eps |
float
|
Небольшое значение, чтобы предотвратить деление на ноль. |
Исходный код в ultralytics/utils/tal.py
13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 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 |
|
__init__(topk=13, num_classes=80, alpha=1.0, beta=6.0, eps=1e-09)
Инициализируй объект TaskAlignedAssigner с настраиваемыми гиперпараметрами.
Исходный код в ultralytics/utils/tal.py
forward(pd_scores, pd_bboxes, anc_points, gt_labels, gt_bboxes, mask_gt)
Вычисли задание с выравниванием задач. Эталонный код доступен по адресу https://github.com/Nioolek/PPYOLOE_pytorch/blob/master/ppyoloe/assigner/tal_assigner.py.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
pd_scores |
Tensor
|
shape(bs, num_total_anchors, num_classes) |
требуется |
pd_bboxes |
Tensor
|
shape(bs, num_total_anchors, 4) |
требуется |
anc_points |
Tensor
|
shape(num_total_anchors, 2) |
требуется |
gt_labels |
Tensor
|
shape(bs, n_max_boxes, 1) |
требуется |
gt_bboxes |
Tensor
|
shape(bs, n_max_boxes, 4) |
требуется |
mask_gt |
Tensor
|
shape(bs, n_max_boxes, 1) |
требуется |
Возвращается:
Имя | Тип | Описание |
---|---|---|
target_labels |
Tensor
|
shape(bs, num_total_anchors) |
target_bboxes |
Tensor
|
shape(bs, num_total_anchors, 4) |
target_scores |
Tensor
|
shape(bs, num_total_anchors, num_classes) |
fg_mask |
Tensor
|
shape(bs, num_total_anchors) |
target_gt_idx |
Tensor
|
shape(bs, num_total_anchors) |
Исходный код в ultralytics/utils/tal.py
get_box_metrics(pd_scores, pd_bboxes, gt_labels, gt_bboxes, mask_gt)
Вычисли метрику выравнивания, учитывая предсказанные и истинные граничные коробки.
Исходный код в ultralytics/utils/tal.py
get_pos_mask(pd_scores, pd_bboxes, gt_labels, gt_bboxes, anc_points, mask_gt)
Получи маску in_gts, (b, max_num_obj, h*w).
Исходный код в ultralytics/utils/tal.py
get_targets(gt_labels, gt_bboxes, target_gt_idx, fg_mask)
Вычисли целевые метки, целевые ограничительные рамки и целевые оценки для положительных опорных точек.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
gt_labels |
Tensor
|
Истинные метки имеют форму (b, max_num_obj, 1), где b - размер партии, а max_num_obj - максимальное количество объектов. размер партии, а max_num_obj - максимальное количество объектов. |
требуется |
gt_bboxes |
Tensor
|
Истинные граничные коробки формы (b, max_num_obj, 4). |
требуется |
target_gt_idx |
Tensor
|
Индексы назначенных объектов истины для положительных точки привязки, имеющие форму (b, hw), где hw- общее количество точек привязки. |
требуется |
fg_mask |
Tensor
|
Булевое значение tensor формы (b, h*w), указывающее на положительные (передний план) опорные точки. |
требуется |
Возвращается:
Тип | Описание |
---|---|
Tuple[Tensor, Tensor, Tensor]
|
Кортеж, содержащий следующие тензоры: - target_labels (Tensor): Форма (b, hw), содержащая целевые метки для положительных точек привязки. - target_bboxes (Tensor): Shape (b, hw, 4), содержащий целевые ограничительные рамки для положительных опорных точек. - target_scores (Tensor): Фигура (b, h*w, num_classes), содержащая целевые баллы для положительных опорных точек, где num_classes - количество классов объектов. |
Исходный код в ultralytics/utils/tal.py
iou_calculation(gt_bboxes, pd_bboxes)
select_candidates_in_gts(xy_centers, gt_bboxes, eps=1e-09)
staticmethod
Выбери положительный центр якоря в gt.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
xy_centers |
Tensor
|
shape(h*w, 2) |
требуется |
gt_bboxes |
Tensor
|
shape(b, n_boxes, 4) |
требуется |
Возвращается:
Тип | Описание |
---|---|
Tensor
|
shape(b, n_boxes, h*w) |
Исходный код в ultralytics/utils/tal.py
select_highest_overlaps(mask_pos, overlaps, n_max_boxes)
staticmethod
Если якорный ящик назначен нескольким гт, то будет выбран тот, у которого самый высокий IoU.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
mask_pos |
Tensor
|
shape(b, n_max_boxes, h*w) |
требуется |
overlaps |
Tensor
|
shape(b, n_max_boxes, h*w) |
требуется |
Возвращается:
Имя | Тип | Описание |
---|---|---|
target_gt_idx |
Tensor
|
shape(b, h*w) |
fg_mask |
Tensor
|
shape(b, h*w) |
mask_pos |
Tensor
|
shape(b, n_max_boxes, h*w) |
Исходный код в ultralytics/utils/tal.py
select_topk_candidates(metrics, largest=True, topk_mask=None)
Выбери топ-к кандидатов, основываясь на заданных метриках.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
metrics |
Tensor
|
tensor формы (b, max_num_obj, hw), где b - размер партии, max_num_obj - максимальное количество объектов, а hwпредставляет собой общее количество точек привязки. |
требуется |
largest |
bool
|
Если True, выбирай самые большие значения, в противном случае - самые маленькие. |
True
|
topk_mask |
Tensor
|
Необязательный булеан tensor формы (b, max_num_obj, topk), где topk - количество кандидатов в топ, которые нужно рассмотреть. Если не указано, значения top-k будут автоматически вычисляться на основе заданных метрик. |
None
|
Возвращается:
Тип | Описание |
---|---|
Tensor
|
tensor формы (b, max_num_obj, h*w), содержащий отобранные топ-к кандидаты. |
Исходный код в ultralytics/utils/tal.py
ultralytics.utils.tal.RotatedTaskAlignedAssigner
Базы: TaskAlignedAssigner
Исходный код в ultralytics/utils/tal.py
iou_calculation(gt_bboxes, pd_bboxes)
select_candidates_in_gts(xy_centers, gt_bboxes)
staticmethod
Выбери положительный центр привязки в gt для повернутых ограничительных блоков.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
xy_centers |
Tensor
|
shape(h*w, 2) |
требуется |
gt_bboxes |
Tensor
|
shape(b, n_boxes, 5) |
требуется |
Возвращается:
Тип | Описание |
---|---|
Tensor
|
shape(b, n_boxes, h*w) |
Исходный код в ultralytics/utils/tal.py
ultralytics.utils.tal.make_anchors(feats, strides, grid_cell_offset=0.5)
Генерируй якоря из характеристик.
Исходный код в ultralytics/utils/tal.py
ultralytics.utils.tal.dist2bbox(distance, anchor_points, xywh=True, dim=-1)
Преобразуй расстояние(ltrb) в бокс(xywh или xyxy).
Исходный код в ultralytics/utils/tal.py
ultralytics.utils.tal.bbox2dist(anchor_points, bbox, reg_max)
Преобразуй bbox(xyxy) в dist(ltrb).
ultralytics.utils.tal.dist2rbox(pred_dist, pred_angle, anchor_points, dim=-1)
Декодируй предсказанные координаты ограничительного поля объекта из точек привязки и распределения.
Параметры:
Имя | Тип | Описание | По умолчанию |
---|---|---|---|
pred_dist |
Tensor
|
Предсказанное повернутое расстояние, (bs, h*w, 4). |
требуется |
pred_angle |
Tensor
|
Предсказанный угол, (bs, h*w, 1). |
требуется |
anchor_points |
Tensor
|
Якорные точки, (h*w, 2). |
требуется |
Возвращается: (torch.Tensor): Предсказанные повернутые ограничивающие рамки, (bs, h*w, 4).