Referans için ultralytics/utils/loss.py
Not
Bu dosya https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/utils/loss .py adresinde mevcuttur. Bir sorun tespit ederseniz lütfen bir Çekme İsteği 🛠️ ile katkıda bulunarak düzeltilmesine yardımcı olun. Teşekkürler 🙏!
ultralytics.utils.loss.VarifocalLoss
Üsler: Module
Zhang ve diğerlerinin değişken odak kaybı.
https://arxiv.org/abs/2008.13367.
Kaynak kodu ultralytics/utils/loss.py
__init__()
forward(pred_score, gt_score, label, alpha=0.75, gamma=2.0)
staticmethod
Varfokal kaybı hesaplar.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.FocalLoss
Üsler: Module
Odak kaybını mevcut loss_fcn() işlevinin etrafına sarar, yani criteria = FocalLoss(nn.BCEWithLogitsLoss(), gamma=1.5).
Kaynak kodu ultralytics/utils/loss.py
__init__()
forward(pred, label, gamma=1.5, alpha=0.25)
staticmethod
Nesne algılama/sınıflandırma görevleri için karışıklık matrisini hesaplar ve günceller.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.BboxLoss
Üsler: Module
Eğitim sırasında eğitim kayıplarını hesaplamak için kriter sınıfı.
Kaynak kodu ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
BboxLoss modülünü maksimum düzenlileştirme ve DFL ayarlarıyla başlatın.
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
IoU kaybı.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.RotatedBboxLoss
Üsler: BboxLoss
Eğitim sırasında eğitim kayıplarını hesaplamak için kriter sınıfı.
Kaynak kodu ultralytics/utils/loss.py
__init__(reg_max, use_dfl=False)
forward(pred_dist, pred_bboxes, anchor_points, target_bboxes, target_scores, target_scores_sum, fg_mask)
IoU kaybı.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.KeypointLoss
Üsler: Module
Eğitim kayıplarını hesaplamak için ölçüt sınıfı.
Kaynak kodu ultralytics/utils/loss.py
__init__(sigmas)
forward(pred_kpts, gt_kpts, kpt_mask, area)
Tahmin edilen ve gerçek anahtar noktalar için anahtar nokta kayıp faktörünü ve Öklid mesafe kaybını hesaplar.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.v8DetectionLoss
Eğitim kayıplarını hesaplamak için ölçüt sınıfı.
Kaynak kodu ultralytics/utils/loss.py
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 |
|
__call__(preds, batch)
Kutu, cls ve dfl için kayıp toplamının parti büyüklüğü ile çarpımını hesaplayın.
Kaynak kodu ultralytics/utils/loss.py
__init__(model)
v8DetectionLoss öğesini modelle başlatır, modelle ilgili özellikleri ve BCE kayıp fonksiyonunu tanımlar.
Kaynak kodu ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist)
Çapa noktalarından ve dağılımdan tahmin edilen nesne sınırlayıcı kutu koordinatlarını çözün.
Kaynak kodu ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
Hedef sayıları önceden işler ve bir tensor çıktısı vermek için giriş parti boyutu ile eşleştirir.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.v8SegmentationLoss
Üsler: v8DetectionLoss
Eğitim kayıplarını hesaplamak için ölçüt sınıfı.
Kaynak kodu ultralytics/utils/loss.py
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 |
|
__call__(preds, batch)
YOLO modeli için kaybı hesaplayın ve iade edin.
Kaynak kodu ultralytics/utils/loss.py
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 |
|
__init__(model)
Paralellikten arındırılmış bir modeli bağımsız değişken olarak alarak v8SegmentationLoss sınıfını başlatır.
calculate_segmentation_loss(fg_mask, masks, target_gt_idx, target_bboxes, batch_idx, proto, pred_masks, imgsz, overlap)
Örnek segmentasyonu için kaybı hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
fg_mask |
Tensor
|
Hangi çapaların pozitif olduğunu gösteren ikili bir tensor şekli (BS, N_anchors). |
gerekli |
masks |
Tensor
|
Eğer (BS, H, W) şeklindeki temel gerçek maskeleri |
gerekli |
target_gt_idx |
Tensor
|
Her bir şekil çapası için temel gerçek nesnelerinin indeksleri (BS, N_anchors). |
gerekli |
target_bboxes |
Tensor
|
Her bir şekil çapası için temel gerçek sınırlayıcı kutuları (BS, N_anchors, 4). |
gerekli |
batch_idx |
Tensor
|
Şekil toplu indeksleri (N_labels_in_batch, 1). |
gerekli |
proto |
Tensor
|
Prototip şekil maskeleri (BS, 32, H, W). |
gerekli |
pred_masks |
Tensor
|
Her bir şekil çapası için öngörülen maskeler (BS, N_anchors, 32). |
gerekli |
imgsz |
Tensor
|
Şekil (2)'nin tensor olarak giriş görüntüsünün boyutu, yani (H, W). |
gerekli |
overlap |
bool
|
İçindeki maskelerin |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
Örnek segmentasyonu için hesaplanan kayıp. |
Notlar
Toplu kayıp, daha yüksek bellek kullanımında daha iyi hız için hesaplanabilir. Örneğin, pred_mask aşağıdaki gibi hesaplanabilir: pred_mask = torch.einsum('in,nhw->ihw', pred, proto) # (i, 32) @ (32, 160, 160) -> (i, 160, 160)
Kaynak kodu ultralytics/utils/loss.py
single_mask_loss(gt_mask, pred, proto, xyxy, area)
staticmethod
Tek bir görüntü için örnek segmentasyon kaybını hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
gt_mask |
Tensor
|
(n, H, W) şeklinde zemin gerçeği maskesi, burada n nesne sayısıdır. |
gerekli |
pred |
Tensor
|
Tahmin edilen şekil maske katsayıları (n, 32). |
gerekli |
proto |
Tensor
|
Prototip şekil maskeleri (32, Y, G). |
gerekli |
xyxy |
Tensor
|
xyxy formatında, [0, 1]'e normalize edilmiş, (n, 4) şeklinde zemin gerçeği sınırlayıcı kutuları. |
gerekli |
area |
Tensor
|
(n,) şeklindeki her bir zemin gerçeği sınırlayıcı kutusunun alanı. |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
Tek bir görüntü için hesaplanan maske kaybı. |
Notlar
Fonksiyon, pred_mask = torch.einsum('in,nhw->ihw', pred, proto) denklemini kullanarak prototip maskelerden tahmin edilen maskeler ve tahmin edilen maske katsayıları.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.v8PoseLoss
Üsler: v8DetectionLoss
Eğitim kayıplarını hesaplamak için ölçüt sınıfı.
Kaynak kodu ultralytics/utils/loss.py
434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 |
|
__call__(preds, batch)
Toplam kaybı hesaplayın ve ayırın.
Kaynak kodu ultralytics/utils/loss.py
__init__(model)
v8PoseLoss'u model ile başlatır, anahtar nokta değişkenlerini ayarlar ve bir anahtar nokta kaybı örneği bildirir.
Kaynak kodu ultralytics/utils/loss.py
calculate_keypoints_loss(masks, target_gt_idx, keypoints, batch_idx, stride_tensor, target_bboxes, pred_kpts)
Model için anahtar nokta kaybını hesaplayın.
Bu fonksiyon, belirli bir parti için anahtar nokta kaybını ve anahtar nokta nesne kaybını hesaplar. Anahtar nokta kaybı şöyledir tahmin edilen anahtar noktalar ile yer gerçeği anahtar noktaları arasındaki farka dayanır. Anahtar noktalar nesne kaybı şöyledir bir anahtar noktanın mevcut olup olmadığını sınıflandıran ikili bir sınıflandırma kaybı.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
masks |
Tensor
|
İkili maske tensor nesne varlığını, şeklini (BS, N_anchors) gösterir. |
gerekli |
target_gt_idx |
Tensor
|
Dizin tensor çapaları yer gerçeği nesnelerine eşleme, şekil (BS, N_anchors). |
gerekli |
keypoints |
Tensor
|
Temel gerçek anahtar noktaları, şekil (N_kpts_in_batch, N_kpts_per_object, kpts_dim). |
gerekli |
batch_idx |
Tensor
|
Anahtar noktalar için toplu dizin tensor , şekil (N_kpts_in_batch, 1). |
gerekli |
stride_tensor |
Tensor
|
Çapalar için adım tensor , şekil (N_anchors, 1). |
gerekli |
target_bboxes |
Tensor
|
(x1, y1, x2, y2) formatında, (BS, N_anchors, 4) şeklinde zemin gerçeği kutuları. |
gerekli |
pred_kpts |
Tensor
|
Tahmin edilen anahtar noktaları, şekil (BS, N_anchors, N_kpts_per_object, kpts_dim). |
gerekli |
İade:
Tip | Açıklama |
---|---|
tuple
|
İçeren bir tuple döndürür: - kpts_loss (torch.Tensor): Anahtar nokta kaybı. - kpts_obj_loss (torch.Tensor): Anahtar nokta nesne kaybı. |
Kaynak kodu ultralytics/utils/loss.py
kpts_decode(anchor_points, pred_kpts)
staticmethod
Tahmin edilen anahtar noktalarını görüntü koordinatlarına çözer.
Kaynak kodu ultralytics/utils/loss.py
ultralytics.utils.loss.v8ClassificationLoss
Eğitim kayıplarını hesaplamak için ölçüt sınıfı.
Kaynak kodu ultralytics/utils/loss.py
__call__(preds, batch)
Tahminler ve gerçek etiketler arasındaki sınıflandırma kaybını hesaplayın.
ultralytics.utils.loss.v8OBBLoss
Üsler: v8DetectionLoss
Kaynak kodu ultralytics/utils/loss.py
600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 |
|
__call__(preds, batch)
YOLO modeli için kaybı hesaplayın ve iade edin.
Kaynak kodu ultralytics/utils/loss.py
__init__(model)
v8OBBLoss'u model, atayıcı ve döndürülmüş bbox kaybı ile başlatır.
Not modeli paralellikten arındırılmalıdır.
Kaynak kodu ultralytics/utils/loss.py
bbox_decode(anchor_points, pred_dist, pred_angle)
Çapa noktalarından ve dağılımdan tahmin edilen nesne sınırlayıcı kutu koordinatlarını çözün.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
anchor_points |
Tensor
|
Bağlantı noktaları, (h*w, 2). |
gerekli |
pred_dist |
Tensor
|
Tahmin edilen döndürülmüş mesafe, (bs, h*w, 4). |
gerekli |
pred_angle |
Tensor
|
Öngörülen açı, (bs, h*w, 1). |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
Açılarla tahmin edilen döndürülmüş sınırlayıcı kutular, (bs, h*w, 5). |
Kaynak kodu ultralytics/utils/loss.py
preprocess(targets, batch_size, scale_tensor)
Hedef sayıları önceden işler ve bir tensor çıktısı vermek için giriş parti boyutu ile eşleştirir.
Kaynak kodu ultralytics/utils/loss.py
Oluşturuldu 2023-11-12, Güncellendi 2024-05-08
Yazarlar: Burhan-Q (1), glenn-jocher (4), Laughing-q (1)