Tài liệu tham khảo cho ultralytics/models/sam/predict.py
Ghi
Tệp này có sẵn tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/Mô hình/sam/predict.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.models.sam.predict.Predictor
Căn cứ: BasePredictor
Lớp Predictor cho Segment Anything Model (SAM), mở rộng BasePredictor.
Lớp này cung cấp một giao diện cho suy luận mô hình phù hợp với các nhiệm vụ phân đoạn hình ảnh. Với kiến trúc tiên tiến và khả năng phân đoạn nhanh chóng, nó tạo điều kiện linh hoạt và thời gian thực tạo khẩu trang. Lớp có khả năng làm việc với nhiều loại lời nhắc khác nhau như hộp giới hạn, điểm, và mặt nạ độ phân giải thấp.
Thuộc tính:
Tên | Kiểu | Sự miêu tả |
---|---|---|
cfg |
dict
|
Từ điển cấu hình chỉ định mô hình và các tham số liên quan đến tác vụ. |
overrides |
dict
|
Từ điển chứa các giá trị ghi đè cấu hình mặc định. |
_callbacks |
dict
|
Từ điển các hàm callback do người dùng xác định để tăng cường hành vi. |
args |
namespace
|
Không gian tên để giữ các đối số dòng lệnh hoặc các biến hoạt động khác. |
im |
Tensor
|
Hình ảnh đầu vào được xử lý sẵn tensor. |
features |
Tensor
|
Các tính năng hình ảnh được trích xuất được sử dụng để suy luận. |
prompts |
dict
|
Bộ sưu tập các loại lời nhắc khác nhau, chẳng hạn như hộp giới hạn và điểm. |
segment_all |
bool
|
Gắn cờ để kiểm soát việc phân đoạn tất cả các đối tượng trong hình ảnh hay chỉ những đối tượng được chỉ định. |
Mã nguồn trong 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)
Khởi tạo Bộ dự đoán với cấu hình, ghi đè và gọi lại.
Phương thức thiết lập đối tượng Predictor và áp dụng bất kỳ ghi đè cấu hình hoặc gọi lại nào được cung cấp. Nó Khởi tạo cài đặt tác vụ cụ thể cho SAM, chẳng hạn như retina_masks được đặt thành Đúng để có kết quả tối ưu.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
cfg |
dict
|
Từ điển cấu hình. |
DEFAULT_CFG
|
overrides |
dict
|
Từ điển các giá trị để ghi đè cấu hình mặc định. |
None
|
_callbacks |
dict
|
Từ điển các hàm callback để tùy chỉnh hành vi. |
None
|
Mã nguồn trong 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)
Thực hiện phân đoạn hình ảnh bằng Mô hình phân đoạn bất cứ điều gì (SAM).
Chức năng này phân đoạn toàn bộ hình ảnh thành các phần cấu thành bằng cách tận dụng SAMKiến trúc tiên tiến của và khả năng thực hiện theo thời gian thực. Nó có thể tùy chọn hoạt động trên các loại cây cắt hình ảnh để phân đoạn tốt hơn.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
im |
Tensor
|
Nhập tensor đại diện cho hình ảnh được xử lý trước với kích thước (N, C, H, W). |
bắt buộc |
crop_n_layers |
int
|
Chỉ định số lớp để dự đoán mặt nạ bổ sung trên cây trồng hình ảnh. Mỗi lớp tạo ra 2 **i_layer số lượng cắt hình ảnh. |
0
|
crop_overlap_ratio |
float
|
Xác định sự chồng chéo giữa các loại cây trồng. Thu nhỏ lại trong các lớp tiếp theo. |
512 / 1500
|
crop_downscale_factor |
int
|
Hệ số tỷ lệ cho số điểm được lấy mẫu mỗi bên trong mỗi lớp. |
1
|
point_grids |
list[ndarray]
|
Lưới tùy chỉnh để lấy mẫu điểm được chuẩn hóa thành [0,1]. Được sử dụng trong lớp cây trồng thứ n. |
None
|
points_stride |
int
|
Số điểm cần lấy mẫu dọc theo mỗi bên của hình ảnh. Độc quyền với 'point_grids'. |
32
|
points_batch_size |
int
|
Kích thước lô cho số điểm được xử lý đồng thời. |
64
|
conf_thres |
float
|
Ngưỡng tin cậy [0,1] để lọc dựa trên dự đoán chất lượng khẩu trang của người mẫu. |
0.88
|
stability_score_thresh |
float
|
Ngưỡng ổn định [0,1] để lọc mặt nạ dựa trên độ ổn định của mặt nạ. |
0.95
|
stability_score_offset |
float
|
Giá trị bù đắp để tính điểm ổn định. |
0.95
|
crop_nms_thresh |
float
|
Cắt IoU cho NMS để loại bỏ các mặt nạ trùng lặp giữa các vụ mùa. |
0.7
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
tuple
|
Một bộ chứa mặt nạ được phân đoạn, điểm tin cậy và hộp giới hạn. |
Mã nguồn trong 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)
Thực hiện suy luận phân đoạn hình ảnh dựa trên các tín hiệu đầu vào đã cho, sử dụng hình ảnh hiện đang tải. Này Phương pháp tận dụng SAMKiến trúc (Segment Anything Model) bao gồm bộ mã hóa hình ảnh, bộ mã hóa nhắc nhở và Bộ giải mã mặt nạ cho các tác vụ phân đoạn theo thời gian thực và nhanh chóng.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
im |
Tensor
|
Hình ảnh đầu vào được xử lý trước trong tensor định dạng, với hình dạng (N, C, H, W). |
bắt buộc |
bboxes |
ndarray | List
|
Các hộp giới hạn có hình dạng (N, 4), ở định dạng XYXY. |
None
|
points |
ndarray | List
|
Các điểm chỉ vị trí đối tượng có hình dạng (N, 2), tính bằng pixel. |
None
|
labels |
ndarray | List
|
Nhãn cho lời nhắc điểm, hình dạng (N, ). 1 = tiền cảnh, 0 = nền. |
None
|
masks |
ndarray
|
Mặt nạ có độ phân giải thấp từ hình dạng dự đoán trước đó (N, H, W). Cho SAM H = W = 256. |
None
|
multimask_output |
bool
|
Gắn cờ để trả lại nhiều mặt nạ. Hữu ích cho lời nhắc không rõ ràng. |
False
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
tuple
|
Chứa ba yếu tố sau. - np.ndarray: Mặt nạ đầu ra có hình CxHxW, trong đó C là số mặt nạ được tạo ra. - np.ndarray: Một mảng có độ dài C chứa điểm chất lượng được dự đoán bởi mô hình cho mỗi mặt nạ. - np.ndarray: Nhật ký độ phân giải thấp của hình dạng CxHxW cho suy luận tiếp theo, trong đó H=W=256. |
Mã nguồn trong ultralytics/models/sam/predict.py
postprocess(preds, img, orig_imgs)
Quy trình hậu kỳ SAMĐầu ra suy luận của nó để tạo ra mặt nạ phát hiện đối tượng và hộp giới hạn.
Phương pháp này chia tỷ lệ mặt nạ và hộp theo kích thước hình ảnh gốc và áp dụng ngưỡng cho các dự đoán mặt nạ. Các SAM Mô hình sử dụng kiến trúc tiên tiến và các tác vụ phân đoạn nhanh chóng để đạt được hiệu suất thời gian thực.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
preds |
tuple
|
Đầu ra từ SAM suy luận mô hình, chứa mặt nạ, điểm số và hộp giới hạn tùy chọn. |
bắt buộc |
img |
Tensor
|
Hình ảnh đầu vào đã xử lý tensor. |
bắt buộc |
orig_imgs |
list | Tensor
|
Các hình ảnh gốc, chưa được xử lý. |
bắt buộc |
Trở lại:
Kiểu | Sự miêu tả |
---|---|
list
|
Danh sách các đối tượng Kết quả chứa dấu hiệu phát hiện, hộp giới hạn và siêu dữ liệu khác. |
Mã nguồn trong ultralytics/models/sam/predict.py
pre_transform(im)
Thực hiện các biến đổi ban đầu trên hình ảnh đầu vào để xử lý trước.
Phương pháp này áp dụng các phép biến đổi chẳng hạn như thay đổi kích thước để chuẩn bị hình ảnh để xử lý sơ bộ thêm. Hiện tại, suy luận theo lô không được hỗ trợ; do đó độ dài danh sách phải là 1.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
im |
List[ndarray]
|
Danh sách chứa hình ảnh ở định dạng mảng numpy HWC. |
bắt buộc |
Trở lại:
Kiểu | Sự miêu tả |
---|---|
List[ndarray]
|
Danh sách các hình ảnh được chuyển đổi. |
Mã nguồn trong ultralytics/models/sam/predict.py
preprocess(im)
Xử lý trước hình ảnh đầu vào để suy luận mô hình.
Phương pháp chuẩn bị hình ảnh đầu vào bằng cách áp dụng các phép biến đổi và chuẩn hóa. Nó hỗ trợ cả hai torch.Tensor và danh sách np.ndarray làm định dạng đầu vào.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
im |
Tensor | List[ndarray]
|
BCHW tensor định dạng hoặc danh sách các mảng numpy HWC. |
bắt buộc |
Trở lại:
Kiểu | Sự miêu tả |
---|---|
Tensor
|
Hình ảnh được xử lý sẵn tensor. |
Mã nguồn trong ultralytics/models/sam/predict.py
prompt_inference(im, bboxes=None, points=None, labels=None, masks=None, multimask_output=False)
Chức năng bên trong để suy luận phân đoạn hình ảnh dựa trên các tín hiệu như hộp giới hạn, điểm và mặt nạ. Đòn bẩy SAMKiến trúc chuyên dụng của nó để phân đoạn dựa trên thời gian thực, dựa trên lời nhắc.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
im |
Tensor
|
Hình ảnh đầu vào được xử lý trước trong tensor định dạng, với hình dạng (N, C, H, W). |
bắt buộc |
bboxes |
ndarray | List
|
Các hộp giới hạn có hình dạng (N, 4), ở định dạng XYXY. |
None
|
points |
ndarray | List
|
Các điểm chỉ vị trí đối tượng có hình dạng (N, 2), tính bằng pixel. |
None
|
labels |
ndarray | List
|
Nhãn cho lời nhắc điểm, hình dạng (N, ). 1 = tiền cảnh, 0 = nền. |
None
|
masks |
ndarray
|
Mặt nạ có độ phân giải thấp từ hình dạng dự đoán trước đó (N, H, W). Cho SAM H = W = 256. |
None
|
multimask_output |
bool
|
Gắn cờ để trả lại nhiều mặt nạ. Hữu ích cho lời nhắc không rõ ràng. |
False
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
tuple
|
Chứa ba yếu tố sau. - np.ndarray: Mặt nạ đầu ra có hình CxHxW, trong đó C là số mặt nạ được tạo ra. - np.ndarray: Một mảng có độ dài C chứa điểm chất lượng được dự đoán bởi mô hình cho mỗi mặt nạ. - np.ndarray: Nhật ký độ phân giải thấp của hình dạng CxHxW cho suy luận tiếp theo, trong đó H=W=256. |
Mã nguồn trong ultralytics/models/sam/predict.py
remove_small_regions(masks, min_area=0, nms_thresh=0.7)
staticmethod
Thực hiện xử lý hậu kỳ trên mặt nạ phân đoạn được tạo bởi Mô hình phân đoạn bất cứ điều gì (SAM). Cụ thể, điều này chức năng loại bỏ các vùng và lỗ nhỏ bị ngắt kết nối khỏi mặt nạ đầu vào, sau đó thực hiện Non-Maximum Triệt tiêu (NMS) để loại bỏ bất kỳ hộp trùng lặp mới được tạo.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
masks |
Tensor
|
Một tensor chứa khẩu trang cần xử lý. Hình dạng phải là (N, H, W), trong đó N là số lượng mặt nạ, H là chiều cao và W là chiều rộng. |
bắt buộc |
min_area |
int
|
Khu vực tối thiểu bên dưới mà các vùng và lỗ bị ngắt kết nối sẽ được loại bỏ. Mặc định là 0. |
0
|
nms_thresh |
float
|
Ngưỡng IoU cho thuật toán NMS. Mặc định là 0,7. |
0.7
|
Trở lại:
Kiểu | Sự miêu tả |
---|---|
tuple([Tensor, List[int]])
|
|
Mã nguồn trong ultralytics/models/sam/predict.py
reset_image()
set_image(image)
Xử lý trước và đặt một hình ảnh duy nhất để suy luận.
Hàm này thiết lập mô hình nếu chưa được khởi tạo, hãy định cấu hình nguồn dữ liệu thành hình ảnh được chỉ định, và xử lý trước hình ảnh để trích xuất tính năng. Mỗi lần chỉ có thể đặt một hình ảnh.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
image |
str | ndarray
|
Đường dẫn tệp hình ảnh dưới dạng chuỗi hoặc hình ảnh np.ndarray được đọc bởi cv2. |
bắt buộc |
Tăng:
Kiểu | Sự miêu tả |
---|---|
AssertionError
|
Nếu có nhiều hình ảnh được đặt. |
Mã nguồn trong ultralytics/models/sam/predict.py
set_prompts(prompts)
setup_model(model, verbose=True)
Khởi tạo mô hình phân đoạn bất cứ điều gì (SAM) để suy luận.
Phương pháp này thiết lập SAM mô hình bằng cách phân bổ nó cho thiết bị thích hợp và khởi tạo cần thiết Các thông số để chuẩn hóa hình ảnh và khác Ultralytics Cài đặt tương thích.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
model |
Module
|
Được đào tạo trước SAM mẫu. Nếu Không, một mô hình sẽ được xây dựng dựa trên cấu hình. |
bắt buộc |
verbose |
bool
|
Nếu True, in thông tin thiết bị đã chọn. |
True
|
Thuộc tính:
Tên | Kiểu | Sự miêu tả |
---|---|---|
model |
Module
|
Các SAM mô hình được phân bổ cho thiết bị đã chọn để suy luận. |
device |
device
|
Thiết bị mà mô hình và tensor được phân bổ. |
mean |
Tensor
|
Các giá trị trung bình để chuẩn hóa hình ảnh. |
std |
Tensor
|
Các giá trị độ lệch chuẩn để chuẩn hóa hình ảnh. |
Mã nguồn trong ultralytics/models/sam/predict.py
setup_source(source)
Thiết lập nguồn dữ liệu để suy luận.
Phương pháp này cấu hình nguồn dữ liệu mà từ đó hình ảnh sẽ được tìm nạp để suy luận. Nguồn có thể là một thư mục, tệp video hoặc các loại nguồn dữ liệu hình ảnh khác.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
source |
str | Path
|
Đường dẫn đến nguồn dữ liệu hình ảnh để suy luận. |
bắt buộc |