Referans için ultralytics/utils/tal.py
Not
Bu dosya https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/utils/tal .py adresinde mevcuttur. Bir sorun tespit ederseniz lütfen bir Çekme İsteği 🛠️ ile katkıda bulunarak düzeltilmesine yardımcı olun. Teşekkürler 🙏!
ultralytics.utils.tal.TaskAlignedAssigner
Üsler: Module
Nesne algılama için göreve göre hizalanmış bir atayıcı.
Bu sınıf, her ikisini de birleştiren göreve göre hizalanmış metriğe dayalı olarak çapalara zemin gerçeği (gt) nesneleri atar sınıflandırma ve yerelleştirme bilgileri.
Nitelikler:
İsim | Tip | Açıklama |
---|---|---|
topk |
int
|
Dikkate alınması gereken en iyi aday sayısı. |
num_classes |
int
|
Nesne sınıflarının sayısı. |
alpha |
float
|
Göreve göre hizalanmış metriğin sınıflandırma bileşeni için alfa parametresi. |
beta |
float
|
Göreve göre hizalanmış metriğin yerelleştirme bileşeni için beta parametresi. |
eps |
float
|
Sıfıra bölünmeyi önlemek için küçük bir değer. |
Kaynak kodu 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)
Özelleştirilebilir hiperparametrelerle bir TaskAlignedAssigner nesnesini başlatın.
Kaynak kodu ultralytics/utils/tal.py
forward(pd_scores, pd_bboxes, anc_points, gt_labels, gt_bboxes, mask_gt)
Göreve göre hizalanmış atamayı hesaplayın. Referans kodu şu adreste mevcuttur https://github.com/Nioolek/PPYOLOE_pytorch/blob/master/ppyoloe/assigner/tal_assigner.py.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
pd_scores |
Tensor
|
shape(bs, num_total_anchors, num_classes) |
gerekli |
pd_bboxes |
Tensor
|
shape(bs, num_total_anchors, 4) |
gerekli |
anc_points |
Tensor
|
shape(num_total_anchors, 2) |
gerekli |
gt_labels |
Tensor
|
shape(bs, n_max_boxes, 1) |
gerekli |
gt_bboxes |
Tensor
|
shape(bs, n_max_boxes, 4) |
gerekli |
mask_gt |
Tensor
|
shape(bs, n_max_boxes, 1) |
gerekli |
İade:
İsim | Tip | Açıklama |
---|---|---|
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) |
Kaynak kodu ultralytics/utils/tal.py
get_box_metrics(pd_scores, pd_bboxes, gt_labels, gt_bboxes, mask_gt)
Tahmin edilen ve temel gerçek sınırlayıcı kutuları verilen hizalama metriğini hesaplayın.
Kaynak kodu ultralytics/utils/tal.py
get_pos_mask(pd_scores, pd_bboxes, gt_labels, gt_bboxes, anc_points, mask_gt)
in_gts maskesi, (b, max_num_obj, h*w) alın.
Kaynak kodu ultralytics/utils/tal.py
get_targets(gt_labels, gt_bboxes, target_gt_idx, fg_mask)
Pozitif bağlantı noktaları için hedef etiketlerini, hedef sınırlayıcı kutularını ve hedef puanlarını hesaplayın.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
gt_labels |
Tensor
|
(b, max_num_obj, 1) şeklindeki temel gerçek etiketleri, burada b yığın boyutu ve max_num_obj maksimum nesne sayısıdır. |
gerekli |
gt_bboxes |
Tensor
|
(b, max_num_obj, 4) şeklindeki zemin gerçeği sınırlayıcı kutuları. |
gerekli |
target_gt_idx |
Tensor
|
Pozitif için atanmış temel gerçek nesnelerinin indeksleri (b,hw)şeklinde çapa noktaları,burada hwtoplam bağlantı noktası sayısı. |
gerekli |
fg_mask |
Tensor
|
(b, h*w) şeklinde bir boolean tensor pozitif olduğunu gösterir. (ön plan) bağlantı noktaları. |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tuple[Tensor, Tensor, Tensor]
|
Aşağıdaki tensörleri içeren bir tuple: - target_labels (Tensor):için hedef etiketleri içerenşekil (b, hw) pozitif bağlantı noktaları. - target_bboxes (Tensor):Hedef sınırlayıcı kutuları içerenşekil (b, hw, 4) pozitif bağlantı noktaları için. - target_scores (Tensor): Hedef puanları içeren şekil (b, h*w, num_classes) pozitif bağlantı noktaları için, burada num_classes sayıdır nesne sınıfları. |
Kaynak kodu ultralytics/utils/tal.py
iou_calculation(gt_bboxes, pd_bboxes)
select_candidates_in_gts(xy_centers, gt_bboxes, eps=1e-09)
staticmethod
gt'de pozitif çapa merkezini seçin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
xy_centers |
Tensor
|
şekil(h*w, 2) |
gerekli |
gt_bboxes |
Tensor
|
shape(b, n_boxes, 4) |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
shape(b, n_boxes, h*w) |
Kaynak kodu ultralytics/utils/tal.py
select_highest_overlaps(mask_pos, overlaps, n_max_boxes)
staticmethod
Bir çapa kutusu birden fazla gt'ye atanmışsa, en yüksek IoU'ya sahip olan seçilecektir.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
mask_pos |
Tensor
|
shape(b, n_max_boxes, h*w) |
gerekli |
overlaps |
Tensor
|
shape(b, n_max_boxes, h*w) |
gerekli |
İade:
İsim | Tip | Açıklama |
---|---|---|
target_gt_idx |
Tensor
|
şekil(b, h*w) |
fg_mask |
Tensor
|
şekil(b, h*w) |
mask_pos |
Tensor
|
shape(b, n_max_boxes, h*w) |
Kaynak kodu ultralytics/utils/tal.py
select_topk_candidates(metrics, largest=True, topk_mask=None)
Verilen metriklere göre en iyi k adayı seçin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
metrics |
Tensor
|
Bir tensor şekli (b, max_num_obj, hw), burada b parti boyutudur, max_num_obj maksimum nesne sayısıdır ve hw toplam bağlantı noktası sayısı. |
gerekli |
largest |
bool
|
True ise, en büyük değerleri seçin; aksi takdirde, en küçük değerleri seçin. |
True
|
topk_mask |
Tensor
|
İsteğe bağlı bir boolean tensor şekli (b, max_num_obj, topk), burada topk dikkate alınacak en iyi aday sayısıdır. Sağlanmamışsa, en iyi k değerleri verilen metriklere göre otomatik olarak hesaplanır. |
None
|
İade:
Tip | Açıklama |
---|---|
Tensor
|
Seçilen en iyi k adayları içeren (b, max_num_obj, h*w) şeklinde bir tensor . |
Kaynak kodu ultralytics/utils/tal.py
ultralytics.utils.tal.RotatedTaskAlignedAssigner
Üsler: TaskAlignedAssigner
Kaynak kodu ultralytics/utils/tal.py
iou_calculation(gt_bboxes, pd_bboxes)
select_candidates_in_gts(xy_centers, gt_bboxes)
staticmethod
Döndürülmüş sınırlayıcı kutular için gt'de pozitif bağlantı merkezini seçin.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
xy_centers |
Tensor
|
şekil(h*w, 2) |
gerekli |
gt_bboxes |
Tensor
|
shape(b, n_boxes, 5) |
gerekli |
İade:
Tip | Açıklama |
---|---|
Tensor
|
shape(b, n_boxes, h*w) |
Kaynak kodu ultralytics/utils/tal.py
ultralytics.utils.tal.make_anchors(feats, strides, grid_cell_offset=0.5)
Özelliklerden çapalar oluşturun.
Kaynak kodu ultralytics/utils/tal.py
ultralytics.utils.tal.dist2bbox(distance, anchor_points, xywh=True, dim=-1)
Mesafeyi(ltrb) kutuya(xywh veya xyxy) dönüştürün.
Kaynak kodu ultralytics/utils/tal.py
ultralytics.utils.tal.bbox2dist(anchor_points, bbox, reg_max)
bbox(xyxy) öğesini dist(ltrb) öğesine dönüştürün.
ultralytics.utils.tal.dist2rbox(pred_dist, pred_angle, anchor_points, dim=-1)
Çapa noktalarından ve dağılımdan tahmin edilen nesne sınırlayıcı kutu koordinatlarını çözün.
Parametreler:
İsim | Tip | Açıklama | Varsayılan |
---|---|---|---|
pred_dist |
Tensor
|
Tahmin edilen döndürülmüş mesafe, (bs, h*w, 4). |
gerekli |
pred_angle |
Tensor
|
Öngörülen açı, (bs, h*w, 1). |
gerekli |
anchor_points |
Tensor
|
Bağlantı noktaları, (h*w, 2). |
gerekli |
Dönüşler: (torch.Tensor): Tahmin edilen döndürülmüş sınırlayıcı kutular, (bs, h*w, 4).
Kaynak kodu ultralytics/utils/tal.py
Oluşturuldu 2023-11-12, Güncellendi 2024-05-08
Yazarlar: Burhan-Q (1), glenn-jocher (4), Laughing-q (1)