Referans için ultralytics/models/sam/predict.py
Not
Bu dosya https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/models/ sam/predict .py adresinde mevcuttur. Bir sorun tespit ederseniz lütfen bir Çekme İsteği 🛠️ ile katkıda bulunarak düzeltilmesine yardımcı olun. Teşekkürler 🙏!
ultralytics.models.sam.predict.Predictor
Üsler: BasePredictor
Segment Anything Model için Predictor sınıfı (SAM), BasePredictor'ı genişletir.
Sınıf, görüntü segmentasyon görevlerine uyarlanmış model çıkarımı için bir arayüz sağlar. Gelişmiş mimarisi ve uyarılabilir segmentasyon yetenekleri ile esnek ve gerçek zamanlı maske oluşturma. Sınıf, sınırlayıcı kutular gibi çeşitli istem türleriyle çalışabilir, noktalar ve düşük çözünürlüklü maskeler.
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
cfg |
dict
|
Model ve görevle ilgili parametreleri belirten yapılandırma sözlüğü. |
overrides |
dict
|
Varsayılan yapılandırmayı geçersiz kılan değerleri içeren sözlük. |
_callbacks |
dict
|
Davranışı artırmak için kullanıcı tanımlı geri arama işlevleri sözlüğü. |
args |
namespace
|
Komut satırı argümanlarını veya diğer işlemsel değişkenleri tutmak için ad alanı. |
im |
Tensor
|
Ön işlemden geçirilmiş giriş görüntüsü tensor. |
features |
Tensor
|
Çıkarım için kullanılan çıkarılmış görüntü özellikleri. |
prompts |
dict
|
Sınırlayıcı kutular ve noktalar gibi çeşitli istem türlerinin toplanması. |
segment_all |
bool
|
Görüntüdeki tüm nesnelerin mi yoksa yalnızca belirtilen nesnelerin mi segmentlere ayrılacağını kontrol etmek için bayrak. |
Kaynak kodu 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)
Predictor'ı yapılandırma, geçersiz kılmalar ve geri çağırmalarla başlatın.
Yöntem, Predictor nesnesini ayarlar ve sağlanan tüm yapılandırma geçersiz kılmalarını veya geri aramaları uygular. Bu SAM için göreve özgü ayarları başlatır, örneğin en iyi sonuçlar için retina_masks True olarak ayarlanır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
cfg |
dict
|
Yapılandırma sözlüğü. |
DEFAULT_CFG
|
overrides |
dict
|
Varsayılan yapılandırmayı geçersiz kılmak için değerler sözlüğü. |
None
|
_callbacks |
dict
|
Davranışı özelleştirmek için geri arama işlevleri sözlüğü. |
None
|
Kaynak kodu 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)
Segment Anything Model'i (SAM) kullanarak görüntü segmentasyonu gerçekleştirin.
Bu işlev, SAM'un gelişmiş mimarisinden yararlanarak görüntünün tamamını oluşturan parçalara ayırır ve gerçek zamanlı performans yetenekleri. İsteğe bağlı olarak daha ince segmentasyon için görüntü kırpmaları üzerinde çalışabilir.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
im |
Tensor
|
Giriş tensor önceden işlenmiş görüntüyü (N, C, H, W) boyutlarıyla temsil eder. |
gerekli |
crop_n_layers |
int
|
Görüntü kırpmalarında ek maske tahminleri için katman sayısını belirtir. Her katman 2**i_layer sayıda görüntü kırpıntısı üretir. |
0
|
crop_overlap_ratio |
float
|
Mahsuller arasındaki örtüşmeyi belirler. Sonraki katmanlarda küçültülmüştür. |
512 / 1500
|
crop_downscale_factor |
int
|
Her katmanda her bir taraf için örneklenen nokta sayısı için ölçeklendirme faktörü. |
1
|
point_grids |
list[ndarray]
|
Nokta örnekleme için [0,1]'e normalleştirilmiş özel ızgaralar. N'inci ürün katmanında kullanılır. |
None
|
points_stride |
int
|
Görüntünün her bir kenarı boyunca örneklenecek nokta sayısı. 'point_grids' ile özel. |
32
|
points_batch_size |
int
|
Aynı anda işlenen nokta sayısı için toplu iş boyutu. |
64
|
conf_thres |
float
|
Modelin maske kalitesi tahminine dayalı filtreleme için güven eşiği [0,1]. |
0.88
|
stability_score_thresh |
float
|
Maske kararlılığına dayalı maske filtreleme için kararlılık eşiği [0,1]. |
0.95
|
stability_score_offset |
float
|
Kararlılık puanını hesaplamak için ofset değeri. |
0.95
|
crop_nms_thresh |
float
|
Mahsuller arasında yinelenen maskeleri kaldırmak için NMS için IoU kesme. |
0.7
|
İade:
Tip | Açıklama |
---|---|
tuple
|
Bölümlere ayrılmış maskeleri, güven puanlarını ve sınırlayıcı kutuları içeren bir tuple. |
Kaynak kodu 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)
O anda yüklü olan görüntüyü kullanarak, verilen girdi ipuçlarına dayalı olarak görüntü segmentasyonu çıkarımı gerçekleştirin. Bu yöntemi, SAM'un (Segment Anything Model) görüntü kodlayıcı, istem kodlayıcı ve Gerçek zamanlı ve hızlı segmentasyon görevleri için maske kod çözücü.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
im |
Tensor
|
tensor formatında, (N, C, H, W) şeklinde önceden işlenmiş giriş görüntüsü. |
gerekli |
bboxes |
ndarray | List
|
XYXY biçiminde (N, 4) şeklinde sınırlayıcı kutular. |
None
|
points |
ndarray | List
|
Piksel cinsinden (N, 2) şeklindeki nesne konumlarını gösteren noktalar. |
None
|
labels |
ndarray | List
|
Nokta istemleri için etiketler, şekil (N, ). 1 = ön plan, 0 = arka plan. |
None
|
masks |
ndarray
|
Önceki tahminlerden elde edilen düşük çözünürlüklü maskeler (N,H,W) şeklindedir. SAM için H=W=256. |
None
|
multimask_output |
bool
|
Birden fazla maske döndürmek için işaretleyin. Belirsiz istemler için faydalıdır. |
False
|
İade:
Tip | Açıklama |
---|---|
tuple
|
Aşağıdaki üç öğeyi içerir. - np.ndarray: CxHxW şeklinde çıktı maskeleri, burada C üretilen maske sayısıdır. - np.ndarray: Her maske için model tarafından tahmin edilen kalite puanlarını içeren C uzunluğunda bir dizi. - np.ndarray: Sonraki çıkarım için CxHxW şeklinde düşük çözünürlüklü logitler, burada H=W=256'dır. |
Kaynak kodu ultralytics/models/sam/predict.py
postprocess(preds, img, orig_imgs)
Nesne algılama maskeleri ve sınırlayıcı kutular oluşturmak için SAM'un çıkarım çıktılarını sonradan işler.
Yöntem, maskeleri ve kutuları orijinal görüntü boyutuna göre ölçeklendirir ve maske tahminlerine bir eşik uygular. SAM modeli, gerçek zamanlı performans elde etmek için gelişmiş mimari ve hızlı segmentasyon görevleri kullanır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
preds |
tuple
|
SAM model çıkarımının maskeler, puanlar ve isteğe bağlı sınırlayıcı kutular içeren çıktısı. |
gerekli |
img |
Tensor
|
İşlenmiş giriş görüntüsü tensor. |
gerekli |
orig_imgs |
list | Tensor
|
Orijinal, işlenmemiş görüntüler. |
gerekli |
İade:
Tip | Açıklama |
---|---|
list
|
Algılama maskeleri, sınırlayıcı kutular ve diğer meta verileri içeren Sonuç nesnelerinin listesi. |
Kaynak kodu ultralytics/models/sam/predict.py
pre_transform(im)
Ön işleme için giriş görüntüsü üzerinde ilk dönüşümleri gerçekleştirin.
Yöntem, görüntüyü daha ileri ön işlemlere hazırlamak için yeniden boyutlandırma gibi dönüşümler uygular. Şu anda, toplu çıkarım desteklenmemektedir; bu nedenle liste uzunluğu 1 olmalıdır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
im |
List[ndarray]
|
HWC numpy dizisi biçiminde görüntüler içeren liste. |
gerekli |
İade:
Tip | Açıklama |
---|---|
List[ndarray]
|
Dönüştürülmüş görüntülerin listesi. |
Kaynak kodu ultralytics/models/sam/predict.py
preprocess(im)
Model çıkarımı için giriş görüntüsünü ön işleme tabi tutun.
Yöntem, dönüşümler ve normalleştirme uygulayarak giriş görüntüsünü hazırlar. Girdi biçimleri olarak hem torch.Tensor hem de np.ndarray listesini destekler.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
im |
Tensor | List[ndarray]
|
BCHW tensor biçimi veya HWC numpy dizilerinin listesi. |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
Önceden işlenmiş görüntü tensor. |
Kaynak kodu ultralytics/models/sam/predict.py
prompt_inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False)
Sınırlayıcı kutular, noktalar ve maskeler gibi ipuçlarına dayalı görüntü segmentasyonu çıkarımı için dahili işlev. İstem tabanlı, gerçek zamanlı segmentasyon için SAM'un özel mimarisinden yararlanır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
im |
Tensor
|
tensor formatında, (N, C, H, W) şeklinde önceden işlenmiş giriş görüntüsü. |
gerekli |
bboxes |
ndarray | List
|
XYXY biçiminde (N, 4) şeklinde sınırlayıcı kutular. |
None
|
points |
ndarray | List
|
Piksel cinsinden (N, 2) şeklindeki nesne konumlarını gösteren noktalar. |
None
|
labels |
ndarray | List
|
Nokta istemleri için etiketler, şekil (N, ). 1 = ön plan, 0 = arka plan. |
None
|
masks |
ndarray
|
Önceki tahminlerden elde edilen düşük çözünürlüklü maskeler (N,H,W) şeklindedir. SAM için H=W=256. |
None
|
multimask_output |
bool
|
Birden fazla maske döndürmek için işaretleyin. Belirsiz istemler için faydalıdır. |
False
|
İade:
Tip | Açıklama |
---|---|
tuple
|
Aşağıdaki üç öğeyi içerir. - np.ndarray: CxHxW şeklinde çıktı maskeleri, burada C üretilen maske sayısıdır. - np.ndarray: Her maske için model tarafından tahmin edilen kalite puanlarını içeren C uzunluğunda bir dizi. - np.ndarray: Sonraki çıkarım için CxHxW şeklinde düşük çözünürlüklü logitler, burada H=W=256'dır. |
Kaynak kodu ultralytics/models/sam/predict.py
remove_small_regions(masks, min_area=0, nms_thresh=0.7)
staticmethod
Segment Anything Model (SAM) tarafından oluşturulan segmentasyon maskeleri üzerinde post-processing gerçekleştirin. Özellikle, bu işlevi, giriş maskelerinden küçük bağlantısız bölgeleri ve delikleri kaldırır ve ardından Maksimum Olmayan Yeni oluşturulan yinelenen kutuları ortadan kaldırmak için Bastırma (NMS).
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
masks |
Tensor
|
İşlenecek maskeleri içeren bir tensor . Şekil (N, H, W) olmalıdır, burada N maske sayısı, H yükseklik ve W genişliktir. |
gerekli |
min_area |
int
|
Bağlantısı kesilen bölgelerin ve deliklerin kaldırılacağı minimum alan. Varsayılan değer 0'dır. |
0
|
nms_thresh |
float
|
NMS algoritması için IoU eşiği. Varsayılan değer 0,7'dir. |
0.7
|
İade:
Tip | Açıklama |
---|---|
tuple([Tensor, List[int]])
|
|
Kaynak kodu ultralytics/models/sam/predict.py
reset_image()
set_image(image)
Çıkarım için tek bir görüntüyü ön işler ve ayarlar.
Bu fonksiyon, önceden başlatılmamışsa modeli kurar, veri kaynağını belirtilen görüntüye göre yapılandırır, ve özellik çıkarımı için görüntüyü ön işleme tabi tutar. Bir seferde yalnızca bir görüntü ayarlanabilir.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
image |
str | ndarray
|
Bir dize olarak görüntü dosyası yolu veya cv2 tarafından okunan bir np.ndarray görüntüsü. |
gerekli |
Zamlar:
Tip | Açıklama |
---|---|
AssertionError
|
Birden fazla resim ayarlanmışsa. |
Kaynak kodu ultralytics/models/sam/predict.py
set_prompts(prompts)
setup_model(model, verbose=True)
Çıkarım için Segment Anything Model'i (SAM) başlatır.
Bu yöntem, SAM modelini uygun cihaza tahsis ederek ve gerekli aygıtları başlatarak kurar. görüntü normalleştirme ve diğer Ultralytics uyumluluk ayarları için parametreler.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
model |
Module
|
Önceden eğitilmiş bir SAM modeli. Yok ise, yapılandırmaya dayalı bir model oluşturulacaktır. |
gerekli |
verbose |
bool
|
True ise, seçilen cihaz bilgilerini yazdırır. |
True
|
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
model |
Module
|
Çıkarım için seçilen cihaza tahsis edilen SAM modeli. |
device |
device
|
Model ve tensörlerin tahsis edildiği cihaz. |
mean |
Tensor
|
Görüntü normalizasyonu için ortalama değerler. |
std |
Tensor
|
Görüntü normalizasyonu için standart sapma değerleri. |
Kaynak kodu ultralytics/models/sam/predict.py
setup_source(source)
Çıkarım için veri kaynağını ayarlar.
Bu yöntem, görüntülerin çıkarım için alınacağı veri kaynağını yapılandırır. Kaynak bir dizini, bir video dosyası veya diğer görüntü veri kaynakları türleri.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
source |
str | Path
|
Çıkarım için görüntü veri kaynağına giden yol. |
gerekli |