Tài liệu tham khảo cho ultralytics/data/dataset.py
Ghi
Tệp này có sẵn tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/dữ liệu/dataset.py. Nếu bạn phát hiện ra một vấn đề, vui lòng giúp khắc phục nó bằng cách đóng góp Yêu cầu 🛠️ kéo. Cảm ơn bạn 🙏 !
ultralytics.data.dataset.YOLODataset
Căn cứ: BaseDataset
Lớp tập dữ liệu để tải nhãn phát hiện đối tượng và/hoặc phân đoạn trong YOLO định dạng.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
data |
dict
|
Từ điển YAML tập dữ liệu. Mặc định là Không có. |
None
|
task |
str
|
Một arg rõ ràng để trỏ tác vụ hiện tại, Mặc định là 'phát hiện'. |
'detect'
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
Dataset
|
Một PyTorch Đối tượng tập dữ liệu có thể được sử dụng để đào tạo mô hình phát hiện đối tượng. |
Mã nguồn trong ultralytics/data/dataset.py
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 |
|
__init__(*args, data=None, task='detect', **kwargs)
Khởi tạo YOLODataset với các cấu hình tùy chọn cho các phân đoạn và điểm chính.
Mã nguồn trong ultralytics/data/dataset.py
build_transforms(hyp=None)
Bản dựng và nối các biến đổi vào danh sách.
Mã nguồn trong ultralytics/data/dataset.py
cache_labels(path=Path('./labels.cache'))
Lưu vào bộ nhớ cache nhãn tập dữ liệu, kiểm tra hình ảnh và đọc hình dạng.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
path |
Path
|
Đường dẫn nơi lưu tệp bộ nhớ cache. Mặc định là Path('./labels.cache'). |
Path('./labels.cache')
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
dict
|
Nhãn. |
Mã nguồn trong ultralytics/data/dataset.py
close_mosaic(hyp)
Đặt các tùy chọn khảm, copy_paste và trộn thành 0,0 và xây dựng các phép biến đổi.
Mã nguồn trong ultralytics/data/dataset.py
collate_fn(batch)
staticmethod
Đối chiếu các mẫu dữ liệu thành các đợt.
Mã nguồn trong ultralytics/data/dataset.py
get_labels()
Trả về từ điển nhãn cho YOLO Đào tạo.
Mã nguồn trong ultralytics/data/dataset.py
update_labels_info(label)
Tùy chỉnh định dạng nhãn của bạn tại đây.
Ghi
CLS bây giờ không có với bbox, phân loại và phân đoạn ngữ nghĩa cần một nhãn CLS độc lập Cũng có thể hỗ trợ phân loại và phân đoạn ngữ nghĩa bằng cách thêm hoặc xóa các phím chính tả ở đó.
Mã nguồn trong ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOMultiModalDataset
Căn cứ: YOLODataset
Lớp tập dữ liệu để tải nhãn phát hiện đối tượng và/hoặc phân đoạn trong YOLO định dạng.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
data |
dict
|
Từ điển YAML tập dữ liệu. Mặc định là Không có. |
None
|
task |
str
|
Một arg rõ ràng để trỏ tác vụ hiện tại, Mặc định là 'phát hiện'. |
'detect'
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
Dataset
|
Một PyTorch Đối tượng tập dữ liệu có thể được sử dụng để đào tạo mô hình phát hiện đối tượng. |
Mã nguồn trong ultralytics/data/dataset.py
__init__(*args, data=None, task='detect', **kwargs)
Khởi tạo một đối tượng tập dữ liệu cho các tác vụ phát hiện đối tượng với các thông số kỹ thuật tùy chọn.
build_transforms(hyp=None)
Tăng cường chuyển đổi dữ liệu với tăng cường văn bản tùy chọn để đào tạo đa phương thức.
Mã nguồn trong ultralytics/data/dataset.py
update_labels_info(label)
Thêm thông tin văn bản để đào tạo mô hình đa phương thức.
Mã nguồn trong ultralytics/data/dataset.py
ultralytics.data.dataset.GroundingDataset
Căn cứ: YOLODataset
Mã nguồn trong ultralytics/data/dataset.py
__init__(*args, task='detect', json_file, **kwargs)
Khởi tạo GroundingDataset để phát hiện đối tượng, tải chú thích từ một tệp JSON được chỉ định.
Mã nguồn trong ultralytics/data/dataset.py
build_transforms(hyp=None)
Định cấu hình tăng cường để đào tạo với tải văn bản tùy chọn; hyp
điều chỉnh cường độ tăng cường.
Mã nguồn trong ultralytics/data/dataset.py
get_img_files(img_path)
get_labels()
Tải chú thích từ tệp JSON, bộ lọc và chuẩn hóa các hộp giới hạn cho mỗi hình ảnh.
Mã nguồn trong ultralytics/data/dataset.py
ultralytics.data.dataset.YOLOConcatDataset
Căn cứ: ConcatDataset
Tập dữ liệu như một nối của nhiều tập dữ liệu.
Lớp này rất hữu ích để tập hợp các tập dữ liệu hiện có khác nhau.
Mã nguồn trong ultralytics/data/dataset.py
ultralytics.data.dataset.SemanticDataset
Căn cứ: BaseDataset
Tập dữ liệu phân đoạn ngữ nghĩa.
Lớp này chịu trách nhiệm xử lý các bộ dữ liệu được sử dụng cho các tác vụ phân đoạn ngữ nghĩa. Nó kế thừa các chức năng từ lớp BaseDataset.
Ghi
Lớp này hiện là trình giữ chỗ và cần được điền các phương thức và thuộc tính để hỗ trợ nhiệm vụ phân đoạn ngữ nghĩa.
Mã nguồn trong ultralytics/data/dataset.py
ultralytics.data.dataset.ClassificationDataset
Mở rộng torchvision ImageFolder để hỗ trợ YOLO Nhiệm vụ phân loại, cung cấp các chức năng như hình ảnh Tăng cường, lưu vào bộ nhớ đệm và xác minh. Nó được thiết kế để xử lý hiệu quả các bộ dữ liệu lớn để đào tạo sâu Mô hình học tập, với các biến đổi hình ảnh tùy chọn và cơ chế lưu vào bộ nhớ đệm để tăng tốc độ đào tạo.
Lớp này cho phép tăng cường bằng cách sử dụng cả thư viện torchvision và Albumentations và hỗ trợ hình ảnh bộ nhớ đệm trong RAM hoặc trên đĩa để giảm chi phí IO trong quá trình đào tạo. Ngoài ra, nó thực hiện một quy trình xác minh mạnh mẽ để đảm bảo tính toàn vẹn và nhất quán của dữ liệu.
Thuộc tính:
Tên | Kiểu | Sự miêu tả |
---|---|---|
cache_ram |
bool
|
Cho biết nếu bộ nhớ đệm trong RAM được bật. |
cache_disk |
bool
|
Cho biết nếu bộ nhớ đệm trên đĩa được bật. |
samples |
list
|
Một danh sách các bộ dữ liệu, mỗi bộ chứa đường dẫn đến một hình ảnh, chỉ mục lớp của nó, đường dẫn đến bộ nhớ cache .npy của nó tệp (nếu lưu vào bộ nhớ đệm trên đĩa) và tùy chọn mảng hình ảnh đã tải (nếu bộ nhớ đệm trong RAM). |
torch_transforms |
callable
|
PyTorch biến đổi để áp dụng cho hình ảnh. |
Mã nguồn trong ultralytics/data/dataset.py
384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 |
|
__getitem__(i)
Trả về tập con của dữ liệu và mục tiêu tương ứng với các chỉ số đã cho.
Mã nguồn trong ultralytics/data/dataset.py
__init__(root, args, augment=False, prefix='')
Khởi tạo YOLO Đối tượng với cài đặt gốc, kích thước hình ảnh, tăng cường và bộ nhớ cache.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
root |
str
|
Đường dẫn đến thư mục tập dữ liệu nơi hình ảnh được lưu trữ trong cấu trúc thư mục dành riêng cho lớp. |
bắt buộc |
args |
Namespace
|
Cấu hình chứa các cài đặt liên quan đến tập dữ liệu như kích thước hình ảnh, tăng cường
tham số và cài đặt bộ nhớ cache. Nó bao gồm các thuộc tính như |
bắt buộc |
augment |
bool
|
Có nên áp dụng tăng cường cho tập dữ liệu hay không. Mặc định là False. |
False
|
prefix |
str
|
Tiền tố để ghi nhật ký và lưu trữ tên tệp, hỗ trợ nhận dạng tập dữ liệu và Gỡ lỗi. Mặc định là một chuỗi trống. |
''
|
Mã nguồn trong ultralytics/data/dataset.py
__len__()
verify_images()
Xác minh tất cả hình ảnh trong tập dữ liệu.