Tài liệu tham khảo cho ultralytics/nn/modules/head.py
Ghi
Tệp này có sẵn tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/nn/mô-đun/head.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.nn.modules.head.Detect
Căn cứ: Module
YOLOv8 Phát hiện đầu cho các mô hình phát hiện.
Mã nguồn trong ultralytics/nn/modules/head.py
__init__(nc=80, ch=())
Khởi tạo các YOLOv8 lớp phát hiện với số lượng lớp và kênh được chỉ định.
Mã nguồn trong ultralytics/nn/modules/head.py
bias_init()
Khởi tạo thiên vị Detect(), CẢNH BÁO: yêu cầu sải bước sẵn sàng.
Mã nguồn trong ultralytics/nn/modules/head.py
decode_bboxes(bboxes, anchors)
forward(x)
Nối và trả về các hộp giới hạn dự đoán và xác suất lớp.
Mã nguồn trong ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Segment
Căn cứ: Detect
YOLOv8 Đầu phân khúc cho các mô hình phân khúc.
Mã nguồn trong ultralytics/nn/modules/head.py
__init__(nc=80, nm=32, npr=256, ch=())
Khởi tạo YOLO Các thuộc tính mô hình như số lượng mặt nạ, nguyên mẫu và các lớp tích chập.
Mã nguồn trong ultralytics/nn/modules/head.py
forward(x)
Trả về đầu ra mô hình và hệ số mặt nạ nếu đào tạo, nếu không thì trả về đầu ra và hệ số mặt nạ.
Mã nguồn trong ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.OBB
Căn cứ: Detect
YOLOv8 Đầu phát hiện OBB để phát hiện với các mô hình xoay.
Mã nguồn trong ultralytics/nn/modules/head.py
__init__(nc=80, ne=1, ch=())
Khởi tạo OBB với số lớp nc
và các kênh lớp ch
.
Mã nguồn trong ultralytics/nn/modules/head.py
decode_bboxes(bboxes, anchors)
forward(x)
Nối và trả về các hộp giới hạn dự đoán và xác suất lớp.
Mã nguồn trong ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Pose
Căn cứ: Detect
YOLOv8 Tạo dáng cho các mô hình điểm chính.
Mã nguồn trong ultralytics/nn/modules/head.py
__init__(nc=80, kpt_shape=(17, 3), ch=())
Khởi tạo YOLO mạng với các tham số mặc định và Lớp tích chập.
Mã nguồn trong ultralytics/nn/modules/head.py
forward(x)
Thực hiện chuyền về phía trước YOLO Mô hình hóa và dự đoán lợi nhuận.
Mã nguồn trong ultralytics/nn/modules/head.py
kpts_decode(bs, kpts)
Giải mã các điểm chính.
Mã nguồn trong ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.Classify
Căn cứ: Module
YOLOv8 Đầu phân loại, tức là x (b, c1,20,20) đến x (b, c2).
Mã nguồn trong ultralytics/nn/modules/head.py
__init__(c1, c2, k=1, s=1, p=None, g=1)
Khởi tạo YOLOv8 đầu phân loại với các kênh đầu vào và đầu ra được chỉ định, kích thước hạt nhân, sải chân, đệm, và các nhóm.
Mã nguồn trong ultralytics/nn/modules/head.py
forward(x)
Thực hiện một đường chuyền về phía trước của YOLO mô hình trên dữ liệu hình ảnh đầu vào.
Mã nguồn trong ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.WorldDetect
Căn cứ: Detect
Mã nguồn trong ultralytics/nn/modules/head.py
__init__(nc=80, embed=512, with_bn=False, ch=())
Khởi tạo YOLOv8 Lớp phát hiện với các lớp NC và các kênh lớp CH.
Mã nguồn trong ultralytics/nn/modules/head.py
bias_init()
Khởi tạo thiên vị Detect(), CẢNH BÁO: yêu cầu sải bước sẵn sàng.
Mã nguồn trong ultralytics/nn/modules/head.py
forward(x, text)
Nối và trả về các hộp giới hạn dự đoán và xác suất lớp.
Mã nguồn trong ultralytics/nn/modules/head.py
ultralytics.nn.modules.head.RTDETRDecoder
Căn cứ: Module
Mô-đun Real-Time Deformable Transformer Decoder (RTDETRDecoder) để phát hiện đối tượng.
Mô-đun giải mã này sử dụng kiến trúc Biến áp cùng với các kết cấu có thể biến dạng để dự đoán các hộp giới hạn và nhãn lớp cho các đối tượng trong một hình ảnh. Nó tích hợp các tính năng từ nhiều lớp và chạy qua một loạt Các lớp giải mã máy biến áp để đưa ra các dự đoán cuối cùng.
Mã nguồn trong ultralytics/nn/modules/head.py
261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 |
|
__init__(nc=80, ch=(512, 1024, 2048), hd=256, nq=300, ndp=4, nh=8, ndl=6, d_ffn=1024, dropout=0.0, act=nn.ReLU(), eval_idx=-1, nd=100, label_noise_ratio=0.5, box_noise_scale=1.0, learnt_init_query=False)
Khởi tạo mô-đun RTDETRDecoder với các tham số đã cho.
Thông số:
Tên | Kiểu | Sự miêu tả | Mặc định |
---|---|---|---|
nc |
int
|
Số lượng lớp học. Mặc định là 80. |
80
|
ch |
tuple
|
Các kênh trong bản đồ tính năng xương sống. Mặc định là (512, 1024, 2048). |
(512, 1024, 2048)
|
hd |
int
|
Kích thước của các lớp ẩn. Mặc định là 256. |
256
|
nq |
int
|
Số điểm truy vấn. Mặc định là 300. |
300
|
ndp |
int
|
Số điểm giải mã. Mặc định là 4. |
4
|
nh |
int
|
Số lượng đầu chú ý nhiều đầu. Mặc định là 8. |
8
|
ndl |
int
|
Số lớp bộ giải mã. Mặc định là 6. |
6
|
d_ffn |
int
|
Kích thước của các mạng chuyển tiếp nguồn cấp dữ liệu. Mặc định là 1024. |
1024
|
dropout |
float
|
Tỷ lệ bỏ học. Mặc định là 0. |
0.0
|
act |
Module
|
Chức năng kích hoạt. Mặc định là nn. ReLU. |
ReLU()
|
eval_idx |
int
|
Chỉ số đánh giá. Mặc định là -1. |
-1
|
nd |
int
|
Số lượng khử nhiễu. Mặc định là 100. |
100
|
label_noise_ratio |
float
|
Tỷ lệ tiếng ồn nhãn. Mặc định là 0,5. |
0.5
|
box_noise_scale |
float
|
Thang đo tiếng ồn hộp. Mặc định là 1.0. |
1.0
|
learnt_init_query |
bool
|
Có nên tìm hiểu nhúng truy vấn ban đầu hay không. Mặc định là False. |
False
|
Mã nguồn trong ultralytics/nn/modules/head.py
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 |
|
forward(x, batch=None)
Chạy đường chuyền về phía trước của mô-đun, trả về hộp giới hạn và điểm phân loại cho đầu vào.