Referans için ultralytics/utils/metrics.py
Not
Bu dosya https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/utils/metrics .py adresinde mevcuttur. Bir sorun tespit ederseniz lütfen bir Çekme İsteği 🛠️ ile katkıda bulunarak düzeltilmesine yardımcı olun. Teşekkürler 🙏!
ultralytics.utils.metrics.ConfusionMatrix
Nesne algılama ve sınıflandırma görevleri için bir karışıklık matrisini hesaplamaya ve güncellemeye yönelik bir sınıf.
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
task |
str
|
Görev türü, 'tespit' ya da 'sınıflandırma'. |
matrix |
ndarray
|
Boyutları göreve bağlı olan karışıklık matrisi. |
nc |
int
|
Sınıf sayısı. |
conf |
float
|
Tespitler için güven eşiği. |
iou_thres |
float
|
Union eşiği üzerindeki kavşak. |
Kaynak kodu 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')
YOLO modeli için öznitelikleri başlatın.
Kaynak kodu ultralytics/utils/metrics.py
matrix()
plot(normalize=True, save_dir='', names=(), on_plot=None)
Karışıklık matrisini seaborn kullanarak çizin ve bir dosyaya kaydedin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
normalize |
bool
|
Karışıklık matrisinin normalleştirilip normalleştirilmeyeceği. |
True
|
save_dir |
str
|
Çizimin kaydedileceği dizin. |
''
|
names |
tuple
|
Çizimde etiket olarak kullanılan sınıfların adları. |
()
|
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. |
None
|
Kaynak kodu ultralytics/utils/metrics.py
print()
process_batch(detections, gt_bboxes, gt_cls)
Nesne algılama görevi için karışıklık matrisini güncelleyin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
detections |
Array[N, 6] | Array[N, 7]
|
Tespit edilen sınırlayıcı kutular ve bunlarla ilişkili bilgiler.
Her satır (x1, y1, x2, y2, conf, class) içermelidir
veya ek bir öğe ile |
gerekli |
gt_bboxes |
Array[M, 4] | Array[N, 5]
|
xyxy/xyxyr formatında zemin gerçeği sınırlayıcı kutuları. |
gerekli |
gt_cls |
Array[M]
|
Sınıf etiketleri. |
gerekli |
Kaynak kodu ultralytics/utils/metrics.py
process_cls_preds(preds, targets)
Sınıflandırma görevi için karışıklık matrisini güncelleyin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
preds |
Array[N, min(nc, 5)]
|
Tahmin edilen sınıf etiketleri. |
gerekli |
targets |
Array[N, 1]
|
Temel gerçek sınıf etiketleri. |
gerekli |
Kaynak kodu ultralytics/utils/metrics.py
tp_fp()
Doğru pozitifleri ve yanlış pozitifleri döndürür.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.Metric
Üsler: SimpleClass
YOLOv8 modeli için değerlendirme metriklerini hesaplamaya yarayan sınıf.
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
p |
list
|
Her sınıf için hassasiyet. Şekil: (nc,). |
r |
list
|
Her sınıf için hatırlama. Şekil: (nc,). |
f1 |
list
|
Her sınıf için F1 puanı. Şekil: (nc,). |
all_ap |
list
|
Tüm sınıflar ve tüm IoU eşikleri için AP puanları. Şekil: (nc, 10). |
ap_class_index |
list
|
Her AP puanı için sınıf indeksi. Şekil: (nc,). |
nc |
int
|
Sınıf sayısı. |
Yöntemler:
İsim | Açıklama |
---|---|
ap50 |
Tüm sınıflar için 0,5 IoU eşiğinde AP. Geri dönüşler: AP puanlarının listesi. Şekil: (nc,) veya []. |
ap |
Tüm sınıflar için 0,5 ila 0,95 IoU eşiklerinde AP. Geri dönüşler: AP puanlarının listesi. Şekil: (nc,) veya []. |
mp |
Tüm sınıfların ortalama hassasiyeti. Geri dönüşler: Float. |
mr |
Tüm sınıfların ortalama geri çağırması. Geri dönüşler: Float. |
map50 |
Tüm sınıflar için 0,5 IoU eşiğinde ortalama AP. Geri dönüşler: Float. |
map75 |
Tüm sınıflar için 0,75 IoU eşiğinde ortalama AP. Geri dönüşler: Float. |
map |
Tüm sınıflar için 0,5 ila 0,95 IoU eşiklerinde ortalama AP. Geri dönüşler: Float. |
mean_results |
Sonuçların ortalaması, mp, mr, map50, map döndürür. |
class_result |
Sınıf farkındalı sonuç, p[i], r[i], ap50[i], ap[i] döndürür. |
maps |
her sınıfın mAP'si. Döndürür: mAP puanları dizisi, şekil: (nc,). |
fitness |
Metriklerin ağırlıklı bir kombinasyonu olarak model uygunluğu. Geri dönüşler: Float. |
update |
Metrik öznitelikleri yeni değerlendirme sonuçlarıyla güncelleyin. |
Kaynak kodu 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
Tüm sınıflar için 0,5-0,95 IoU eşiğinde Ortalama Hassasiyeti (AP) döndürür.
İade:
Tip | Açıklama |
---|---|
(ndarray, list)
|
Sınıf başına AP50-95 değerlerine sahip şekil (nc,) dizisi veya mevcut değilse boş bir liste. |
ap50
property
Tüm sınıflar için 0,5 IoU eşiğinde Ortalama Kesinlik (AP) değerini döndürür.
İade:
Tip | Açıklama |
---|---|
(ndarray, list)
|
Sınıf başına AP50 değerlerini içeren şekil (nc,) dizisi veya mevcut değilse boş bir liste. |
curves
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
curves_results
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
map
property
Ortalama Ortalama Hassasiyeti (mAP) 0,05'lik adımlarla 0,5 - 0,95 IoU eşikleri üzerinden döndürür.
İade:
Tip | Açıklama |
---|---|
float
|
0,05'lik adımlarla 0,5 - 0,95 IoU eşikleri üzerinden mAP. |
map50
property
Ortalama Ortalama Hassasiyeti (mAP) 0,5 IoU eşiğinde döndürür.
İade:
Tip | Açıklama |
---|---|
float
|
IoU eşiği 0,5'te mAP. |
map75
property
Ortalama Ortalama Hassasiyeti (mAP) 0,75 IoU eşiğinde döndürür.
İade:
Tip | Açıklama |
---|---|
float
|
IoU eşiği 0,75 olan mAP. |
maps
property
Her sınıfın haritası.
mp
property
Tüm sınıfların Ortalama Hassasiyetini döndürür.
İade:
Tip | Açıklama |
---|---|
float
|
Tüm sınıfların ortalama hassasiyeti. |
mr
property
Tüm sınıfların Ortalama Geri Çağırma değerini verir.
İade:
Tip | Açıklama |
---|---|
float
|
Tüm sınıfların ortalama hatırlama sayısı. |
__init__()
YOLOv8 modeli için değerlendirme metriklerini hesaplamak üzere bir Metrik örneği başlatır.
Kaynak kodu ultralytics/utils/metrics.py
class_result(i)
fitness()
Uygunluğu, metriklerin ağırlıklı bir kombinasyonu olarak modelleyin.
mean_results()
update(results)
Modelin değerlendirme metriklerini yeni bir sonuç kümesiyle günceller.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
results |
tuple
|
Aşağıdaki değerlendirme metriklerini içeren bir tuple: - p (liste): Her sınıf için hassasiyet. Şekil: (nc,). - r (liste): Her sınıf için geri çağırma. Şekil: (nc,). - f1 (liste): Her sınıf için F1 puanı. Şekil: (nc,). - all_ap (liste): Tüm sınıflar ve tüm IoU eşikleri için AP puanları. Şekil: (nc, 10). - ap_class_index (liste): Her AP puanı için sınıf indeksi. Şekil: (nc,). |
gerekli |
Yan Etkiler
Sınıf özniteliklerini günceller self.p
, self.r
, self.f1
, self.all_ap
ve self.ap_class_index
temelli
içinde sağlanan değerler üzerinde results
tuple.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.DetMetrics
Üsler: SimpleClass
Bu sınıf, kesinlik, geri çağırma ve ortalama ortalama kesinlik gibi algılama ölçümlerini hesaplamak için kullanılan bir yardımcı sınıftır (mAP) bir nesne algılama modeli.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
save_dir |
Path
|
Çıktı çizimlerinin kaydedileceği dizine giden yol. Varsayılan değer geçerli dizindir. |
Path('.')
|
plot |
bool
|
Her sınıf için hassasiyet-hatırlama eğrilerinin çizilip çizilmeyeceğini belirten bir bayrak. Varsayılan değer False'dir. |
False
|
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. Varsayılan değer Yok'tur. |
None
|
names |
tuple of str
|
Sınıfların adlarını temsil eden dizelerden oluşan bir tuple. Varsayılan değer boş bir tuple'dır. |
()
|
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
save_dir |
Path
|
Çıktı grafiklerinin kaydedileceği dizine giden yol. |
plot |
bool
|
Her sınıf için kesinlik-geri çağırma eğrilerinin çizilip çizilmeyeceğini belirten bir bayrak. |
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. |
names |
tuple of str
|
Sınıfların adlarını temsil eden bir dizi kümesi. |
box |
Metric
|
Algılama metriklerinin sonuçlarını saklamak için Metrik sınıfının bir örneği. |
speed |
dict
|
Algılama sürecinin farklı bölümlerinin yürütme süresini saklamak için bir sözlük. |
Yöntemler:
İsim | Açıklama |
---|---|
process |
Metrik sonuçlarını en son tahmin grubuyla günceller. |
keys |
Hesaplanan algılama metriklerine erişmek için bir anahtar listesi döndürür. |
mean_results |
Hesaplanan algılama metrikleri için ortalama değerlerin bir listesini döndürür. |
class_result |
Belirli bir sınıf için hesaplanan algılama metrikleri için değerlerin bir listesini döndürür. |
maps |
Farklı IoU eşikleri için ortalama ortalama hassasiyet (mAP) değerleri sözlüğü döndürür. |
fitness |
Hesaplanan algılama metriklerine dayalı olarak uygunluk puanını hesaplar. |
ap_class_index |
Ortalama hassasiyet (AP) değerlerine göre sıralanmış sınıf indekslerinin bir listesini döndürür. |
results_dict |
Algılama metrik anahtarlarını hesaplanan değerleriyle eşleyen bir sözlük döndürür. |
curves |
TODO |
curves_results |
TODO |
Kaynak kodu 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
Sınıf başına ortalama hassasiyet indeksini döndürür.
curves
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
curves_results
property
Hesaplanan performans ölçümlerinin ve istatistiklerinin sözlüğünü döndürür.
fitness
property
Kutu nesnesinin uygunluğunu döndürür.
keys
property
Belirli metriklere erişmek için bir anahtar listesi döndürür.
maps
property
Sınıf başına ortalama Ortalama Hassasiyet (mAP) puanlarını döndürür.
results_dict
property
Hesaplanan performans ölçümlerinin ve istatistiklerinin sözlüğünü döndürür.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Bir DetMetrics örneğini kaydetme dizini, çizim bayrağı, geri arama işlevi ve sınıf adlarıyla başlatın.
Kaynak kodu ultralytics/utils/metrics.py
class_result(i)
Belirli bir sınıf üzerinde bir nesne algılama modelinin performansını değerlendirmenin sonucunu döndürür.
mean_results()
Algılanan nesnelerin ortalamasını hesaplayın ve hassasiyet, geri çağırma, mAP50 ve mAP50-95 değerlerini döndürün.
process(tp, conf, pred_cls, target_cls)
Nesne algılama ve güncelleme metrikleri için öngörülen sonuçları işleyin.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.SegmentMetrics
Üsler: SimpleClass
Belirli bir sınıf kümesi üzerinde algılama ve segmentasyon metriklerini hesaplar ve toplar.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
save_dir |
Path
|
Çıktı çizimlerinin kaydedileceği dizinin yolu. Varsayılan değer geçerli dizindir. |
Path('.')
|
plot |
bool
|
Algılama ve segmentasyon çizimlerinin kaydedilip kaydedilmeyeceği. Varsayılan değer False'dir. |
False
|
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. Varsayılan değer Yok'tur. |
None
|
names |
list
|
Sınıf adlarının listesi. Varsayılan değer boş bir listedir. |
()
|
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
save_dir |
Path
|
Çıktı grafiklerinin kaydedileceği dizinin yolu. |
plot |
bool
|
Algılama ve segmentasyon çizimlerinin kaydedilip kaydedilmeyeceği. |
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. |
names |
list
|
Sınıf adlarının listesi. |
box |
Metric
|
Kutu algılama metriklerini hesaplamak için Metrik sınıfının bir örneği. |
seg |
Metric
|
Maske segmentasyon metriklerini hesaplamak için Metrik sınıfının bir örneği. |
speed |
dict
|
Çıkarımın farklı aşamalarında geçen süreyi saklamak için sözlük. |
Yöntemler:
İsim | Açıklama |
---|---|
process |
Verilen tahminler kümesi üzerinde metrikleri işler. |
mean_results |
Tüm sınıflar üzerinde algılama ve segmentasyon metriklerinin ortalamasını döndürür. |
class_result |
Sınıfın algılama ve segmentasyon metriklerini döndürür |
maps |
IoU eşikleri için 0,50 ile 0,95 arasında değişen ortalama Ortalama Hassasiyet (mAP) puanlarını döndürür. |
fitness |
Metriklerin tek bir ağırlıklı kombinasyonu olan uygunluk puanlarını döndürür. |
ap_class_index |
Ortalama Hassasiyeti (AP) hesaplamak için kullanılan sınıfların indekslerinin listesini döndürür. |
results_dict |
Tüm algılama ve segmentasyon metriklerini ve uygunluk puanını içeren sözlüğü döndürür. |
Kaynak kodu 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
Kutular ve maskeler aynı ap_class_index'e sahiptir.
curves
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
curves_results
property
Hesaplanan performans ölçümlerinin ve istatistiklerinin sözlüğünü döndürür.
fitness
property
Hem segmentasyon hem de sınırlayıcı kutu modelleri için uygunluk puanını alın.
keys
property
Metriklere erişmek için bir anahtar listesi döndürür.
maps
property
Nesne algılama ve anlamsal segmentasyon modelleri için mAP puanlarını döndürür.
results_dict
property
Değerlendirme için nesne algılama modelinin sonuçlarını döndürür.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
Bir SegmentMetrics örneğini kaydetme dizini, çizim bayrağı, geri arama işlevi ve sınıf adlarıyla başlatın.
Kaynak kodu ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_m, conf, pred_cls, target_cls)
Verilen tahminler kümesi üzerinde algılama ve segmentasyon metriklerini işler.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
tp |
list
|
Gerçek Pozitif kutuların listesi. |
gerekli |
tp_m |
list
|
Gerçek Pozitif maskelerin listesi. |
gerekli |
conf |
list
|
Güven puanlarının listesi. |
gerekli |
pred_cls |
list
|
Tahmin edilen sınıfların listesi. |
gerekli |
target_cls |
list
|
Hedef sınıfların listesi. |
gerekli |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.PoseMetrics
Üsler: SegmentMetrics
Belirli bir sınıf kümesi üzerinde algılama ve poz metriklerini hesaplar ve toplar.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
save_dir |
Path
|
Çıktı çizimlerinin kaydedileceği dizinin yolu. Varsayılan değer geçerli dizindir. |
Path('.')
|
plot |
bool
|
Algılama ve segmentasyon çizimlerinin kaydedilip kaydedilmeyeceği. Varsayılan değer False'dir. |
False
|
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. Varsayılan değer Yok'tur. |
None
|
names |
list
|
Sınıf adlarının listesi. Varsayılan değer boş bir listedir. |
()
|
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
save_dir |
Path
|
Çıktı grafiklerinin kaydedileceği dizinin yolu. |
plot |
bool
|
Algılama ve segmentasyon çizimlerinin kaydedilip kaydedilmeyeceği. |
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için isteğe bağlı bir geri arama. |
names |
list
|
Sınıf adlarının listesi. |
box |
Metric
|
Kutu algılama metriklerini hesaplamak için Metrik sınıfının bir örneği. |
pose |
Metric
|
Maske segmentasyon metriklerini hesaplamak için Metrik sınıfının bir örneği. |
speed |
dict
|
Çıkarımın farklı aşamalarında geçen süreyi saklamak için sözlük. |
Yöntemler:
İsim | Açıklama |
---|---|
process |
Verilen tahminler kümesi üzerinde metrikleri işler. |
mean_results |
Tüm sınıflar üzerinde algılama ve segmentasyon metriklerinin ortalamasını döndürür. |
class_result |
Sınıfın algılama ve segmentasyon metriklerini döndürür |
maps |
IoU eşikleri için 0,50 ile 0,95 arasında değişen ortalama Ortalama Hassasiyet (mAP) puanlarını döndürür. |
fitness |
Metriklerin tek bir ağırlıklı kombinasyonu olan uygunluk puanlarını döndürür. |
ap_class_index |
Ortalama Hassasiyeti (AP) hesaplamak için kullanılan sınıfların indekslerinin listesini döndürür. |
results_dict |
Tüm algılama ve segmentasyon metriklerini ve uygunluk puanını içeren sözlüğü döndürür. |
Kaynak kodu 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
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
curves_results
property
Hesaplanan performans ölçümlerinin ve istatistiklerinin sözlüğünü döndürür.
fitness
property
kullanarak sınıflandırma metriklerini ve hızını hesaplar. targets
ve pred
Girdiler.
keys
property
Değerlendirme metrik anahtarlarının listesini döndürür.
maps
property
Hem kutu hem de poz algılamaları için sınıf başına ortalama ortalama hassasiyeti (mAP) verir.
__init__(save_dir=Path('.'), plot=False, on_plot=None, names=())
PoseMetrics sınıfını dizin yolu, sınıf adları ve çizim seçenekleriyle başlatın.
Kaynak kodu ultralytics/utils/metrics.py
class_result(i)
mean_results()
process(tp, tp_p, conf, pred_cls, target_cls)
Verilen tahminler kümesi üzerinde algılama ve poz metriklerini işler.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
tp |
list
|
Gerçek Pozitif kutuların listesi. |
gerekli |
tp_p |
list
|
Gerçek Pozitif kilit noktalarının listesi. |
gerekli |
conf |
list
|
Güven puanlarının listesi. |
gerekli |
pred_cls |
list
|
Tahmin edilen sınıfların listesi. |
gerekli |
target_cls |
list
|
Hedef sınıfların listesi. |
gerekli |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.ClassifyMetrics
Üsler: SimpleClass
En iyi 1 ve en iyi 5 doğruluk dahil olmak üzere sınıflandırma metriklerini hesaplamak için sınıf.
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
top1 |
float
|
İlk 1 doğruluk. |
top5 |
float
|
İlk 5 doğruluk. |
speed |
Dict[str, float]
|
Boru hattındaki her adım için geçen süreyi içeren bir sözlük. |
Özellikler
uygunluk (float): İlk 5 doğruluğa eşit olan modelin uygunluğu. results_dict (Dict[str, Union[float, str]]): Sınıflandırma metriklerini ve uygunluğu içeren bir sözlük. keys (Liste[str]): results_dict için bir anahtar listesi.
Yöntemler:
İsim | Açıklama |
---|---|
process |
Sınıflandırma metriklerini hesaplamak için hedefleri ve tahminleri işler. |
Kaynak kodu ultralytics/utils/metrics.py
curves
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
curves_results
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
fitness
property
İlk 1 ve ilk 5 doğrulukların ortalamasını uygunluk puanı olarak döndürür.
keys
property
results_dict özelliği için bir anahtar listesi döndürür.
results_dict
property
Modelin performans ölçümlerini ve uygunluk puanını içeren bir sözlük döndürür.
__init__()
Bir ClassifyMetrics örneğini başlatın.
process(targets, pred)
Hedef sınıflar ve öngörülen sınıflar.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.OBBMetrics
Üsler: SimpleClass
Kaynak kodu 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
Sınıf başına ortalama hassasiyet indeksini döndürür.
curves
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
curves_results
property
Belirli metrik eğrilerine erişmek için bir eğri listesi döndürür.
fitness
property
Kutu nesnesinin uygunluğunu döndürür.
keys
property
Belirli metriklere erişmek için bir anahtar listesi döndürür.
maps
property
Sınıf başına ortalama Ortalama Hassasiyet (mAP) puanlarını döndürür.
results_dict
property
Hesaplanan performans ölçümlerinin ve istatistiklerinin sözlüğünü döndürür.
class_result(i)
Belirli bir sınıf üzerinde bir nesne algılama modelinin performansını değerlendirmenin sonucunu döndürür.
mean_results()
Algılanan nesnelerin ortalamasını hesaplayın ve hassasiyet, geri çağırma, mAP50 ve mAP50-95 değerlerini döndürün.
process(tp, conf, pred_cls, target_cls)
Nesne algılama ve güncelleme metrikleri için öngörülen sonuçları işleyin.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_ioa(box1, box2, iou=False, eps=1e-07)
Kutu1 ve kutu2 verilen kutu2 alanı üzerindeki kesişimi hesaplayın. Kutular x1y1x2y2 biçimindedir.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
box1 |
ndarray
|
n sınırlayıcı kutuyu temsil eden (n, 4) şeklinde bir numpy dizisi. |
gerekli |
box2 |
ndarray
|
m sınırlayıcı kutuyu temsil eden (m, 4) şeklinde bir numpy dizisi. |
gerekli |
iou |
bool
|
True ise standart IoU'yu hesaplayın, aksi takdirde inter_area/box2_area değerini döndürün. |
False
|
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
ndarray
|
Kutu2 alanı üzerindeki kesişimi temsil eden (n, m) şeklinde bir numpy dizisi. |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.box_iou(box1, box2, eps=1e-07)
Kutuların kesişim-over-union (IoU) hesaplayın. Her iki kutu kümesinin de (x1, y1, x2, y2) biçiminde olması beklenir. https://github.com/pytorch/vision/blob/master/torchvision/ops/boxes.py temel alınmıştır.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
box1 |
Tensor
|
N sınırlayıcı kutuyu temsil eden (N, 4) şeklinde bir tensor . |
gerekli |
box2 |
Tensor
|
M sınırlayıcı kutuyu temsil eden (M, 4) şeklinde bir tensor . |
gerekli |
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Bir NxM tensor kutu1 ve kutu2'deki her öğe için çift yönlü IoU değerlerini içerir. |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, eps=1e-07)
Kutu1(1, 4) ile kutu2(n, 4)'ün Birlik üzerinden Kesişimini (IoU) hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
box1 |
Tensor
|
Şekil (1, 4) ile tek bir sınırlayıcı kutuyu temsil eden bir tensor . |
gerekli |
box2 |
Tensor
|
Şekil (n, 4) ile n sınırlayıcı kutuyu temsil eden bir tensor . |
gerekli |
xywh |
bool
|
True ise, giriş kutuları (x, y, w, h) biçimindedir. False ise, giriş kutuları (x1, y1, x2, y2) biçimi. Varsayılan değer True'dur. |
True
|
GIoU |
bool
|
True ise, Genelleştirilmiş IoU'yu hesaplar. Varsayılan değer False'dir. |
False
|
DIoU |
bool
|
True ise, Mesafe IoU'yu hesaplar. Varsayılan değer False'dir. |
False
|
CIoU |
bool
|
True ise, Tam IoU'yu hesaplar. Varsayılan değer False'dir. |
False
|
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Belirtilen bayraklara bağlı olarak IoU, GIoU, DIoU veya CIoU değerleri. |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.mask_iou(mask1, mask2, eps=1e-07)
Maske IoU'yu hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
mask1 |
Tensor
|
Bir tensor şekli (N, n); burada N, temel gerçek nesnelerinin sayısı ve n ise görüntü genişliği ve yüksekliğinin çarpımı. |
gerekli |
mask2 |
Tensor
|
A tensor (M, n) şeklinde olup burada M tahmin edilen nesnelerin sayısı ve n ise görüntü genişliği ve yüksekliğinin çarpımı. |
gerekli |
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
IoU maskelerini temsil eden (N, M) şeklindeki bir tensor . |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.kpt_iou(kpt1, kpt2, area, sigma, eps=1e-07)
Nesne Anahtar Noktası Benzerliğini (OKS) hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
kpt1 |
Tensor
|
Zemin gerçeği anahtar noktalarını temsil eden bir tensor şekli (N, 17, 3). |
gerekli |
kpt2 |
Tensor
|
Tahmin edilen kilit noktaları temsil eden bir tensor şekli (M, 17, 3). |
gerekli |
area |
Tensor
|
Zemin gerçeğinden alanları temsil eden bir tensor şekli (N,). |
gerekli |
sigma |
list
|
Anahtar noktası ölçeklerini temsil eden 17 değer içeren bir liste. |
gerekli |
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Anahtar nokta benzerliklerini temsil eden (N, M) şeklindeki bir tensor . |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics._get_covariance_matrix(boxes)
Obbs'den kovaryans matrisi oluşturma.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
boxes |
Tensor
|
xywhr formatında, döndürülmüş sınırlayıcı kutuları temsil eden (N, 5) şeklinde bir tensor . |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
Orijinal döndürülmüş sınırlayıcı kutulara karşılık gelen kovaryans metriksleri. |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.probiou(obb1, obb2, CIoU=False, eps=1e-07)
Yönlendirilmiş sınırlayıcı kutular arasındaki prob IoU'yu hesaplayın, https://arxiv.org/pdf/2106.06072v1.pdf.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
obb1 |
Tensor
|
xywhr formatında zemin gerçeği obb'lerini temsil eden (N, 5) şeklinde bir tensor . |
gerekli |
obb2 |
Tensor
|
Tahmin edilen obb'leri temsil eden, xywhr formatında bir tensor şekli (N, 5). |
gerekli |
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Obb benzerliklerini temsil eden bir tensor şekli (N, ). |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.batch_probiou(obb1, obb2, eps=1e-07)
Yönlendirilmiş sınırlayıcı kutular arasındaki prob IoU'yu hesaplayın, https://arxiv.org/pdf/2106.06072v1.pdf.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
obb1 |
Tensor | ndarray
|
xywhr formatında zemin gerçeği obb'lerini temsil eden (N, 5) şeklinde bir tensor . |
gerekli |
obb2 |
Tensor | ndarray
|
Tahmin edilen obb'leri xywhr formatında temsil eden bir tensor şekli (M, 5). |
gerekli |
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-7'dir. |
1e-07
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Obb benzerliklerini temsil eden (N, M) şeklindeki bir tensor . |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth_BCE(eps=0.1)
Düzleştirilmiş pozitif ve negatif İkili Çapraz Entropi hedeflerini hesaplar.
Bu fonksiyon, verilen bir epsilon değerine dayalı olarak pozitif ve negatif etiket yumuşatma BCE hedeflerini hesaplar. Uygulama ayrıntıları için bkz. https://github.com/ultralytics/yolov3/issues/238#issuecomment-598028441.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
eps |
float
|
Etiket yumuşatma için epsilon değeri. Varsayılan değer 0,1'dir. |
0.1
|
İade:
Tip | Açıklama |
---|---|
tuple
|
Pozitif ve negatif etiket yumuşatma BCE hedeflerini içeren bir tuple. |
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.smooth(y, f=0.05)
Kesir f'nin kutu filtresi.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.plot_pr_curve(px, py, ap, save_dir=Path('pr_curve.png'), names=(), on_plot=None)
Hassasiyet-geri çağırma eğrisini çizer.
Kaynak kodu 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)
Bir metrik-güven eğrisi çizer.
Kaynak kodu ultralytics/utils/metrics.py
ultralytics.utils.metrics.compute_ap(recall, precision)
Geri çağırma ve kesinlik eğrileri göz önüne alındığında ortalama kesinliği (AP) hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
recall |
list
|
Geri çağırma eğrisi. |
gerekli |
precision |
list
|
Hassasiyet eğrisi. |
gerekli |
İade:
Tip | Açıklama |
---|---|
float
|
Ortalama hassasiyet. |
ndarray
|
Hassas zarf eğrisi. |
ndarray
|
Başına ve sonuna eklenen sentinel değerlerle değiştirilmiş geri çağırma eğrisi. |
Kaynak kodu 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='')
Nesne algılama değerlendirmesi için sınıf başına ortalama hassasiyeti hesaplar.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
tp |
ndarray
|
Algılamanın doğru (True) veya yanlış (False) olduğunu gösteren ikili dizi. |
gerekli |
conf |
ndarray
|
Tespitlerin güven puanları dizisi. |
gerekli |
pred_cls |
ndarray
|
Tespitlerin tahmin edilen sınıflarının dizisi. |
gerekli |
target_cls |
ndarray
|
Tespitlerin gerçek sınıflarının dizisi. |
gerekli |
plot |
bool
|
PR eğrilerinin çizilip çizilmeyeceği. Varsayılan değer False'dir. |
False
|
on_plot |
func
|
Oluşturulduklarında çizim yolunu ve verileri iletmek için bir geri arama. Varsayılan değer Yok'tur. |
None
|
save_dir |
Path
|
PR eğrilerinin kaydedileceği dizin. Varsayılan olarak boş bir yoldur. |
Path()
|
names |
tuple
|
PR eğrilerini çizmek için sınıf adları demeti. Varsayılan değer boş bir tuple'dır. |
()
|
eps |
float
|
Sıfıra bölmeyi önlemek için küçük bir değer. Varsayılan değer 1e-16'dır. |
1e-16
|
prefix |
str
|
Çizim dosyalarını kaydetmek için bir önek dizesi. Varsayılan olarak boş bir dizedir. |
''
|
İade:
Tip | Açıklama |
---|---|
tuple
|
Altı diziden ve bir benzersiz sınıf dizisinden oluşan bir çift, burada: tp (np.ndarray): Her sınıf için maksimum F1 metriği tarafından verilen eşikteki gerçek pozitif sayılar Şekil: (nc,). fp (np.ndarray): Her sınıf için maksimum F1 metriği tarafından verilen eşikteki yanlış pozitif sayıları. Şekil: (nc,). p (np.ndarray): Her sınıf için maksimum F1 metriği tarafından verilen eşikteki hassasiyet değerleri. Şekil: (nc,). r (np.ndarray): Her sınıf için maksimum F1 metriği tarafından verilen eşikteki geri çağırma değerleri. Şekil: (nc,). f1 (np.ndarray): Her sınıf için maksimum F1 metriği tarafından verilen eşikteki F1 puanı değerleri. Şekil: (nc,). ap (np.ndarray): Farklı IoU eşiklerinde her sınıf için ortalama hassasiyet. Şekil: (nc, 10). unique_classes (np.ndarray): Veriye sahip benzersiz sınıfların bir dizisi. Şekil: (nc,). p_curve (np.ndarray): Her sınıf için hassasiyet eğrileri. Şekil: (nc, 1000). r_curve (np.ndarray): Her sınıf için geri çağırma eğrileri. Şekil: (nc, 1000). f1_curve (np.ndarray): Her sınıf için F1-skor eğrileri. Şekil: (nc, 1000). x (np.ndarray): Eğriler için X ekseni değerleri. Şekil: (1000,). prec_values: Her sınıf için mAP@0.5 adresindeki hassasiyet değerleri. Şekil: (nc, 1000). |
Kaynak kodu 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 |
|
Oluşturuldu 2023-11-12, Güncellendi 2024-05-08
Yazarlar: Burhan-Q (1), glenn-jocher (5), Laughing-q (1)