libreyolo doctor

Menjalankan serangkaian pemeriksaan kesehatan pada dataset deteksi dan melaporkan apa saja yang akan mengganggu proses pelatihan: berkas yang hilang, label rusak, gambar korup, kebocoran antar split dan ketimpangan kelas.

Perintah: libreyolo doctor
Wajib: data
Output: Laporan temuan di stdout. Keluar dengan kode 1 bila ditemukan error

Sinopsis

bash

libreyolo doctor <data.yaml> [key=value ...]

Dataset bersifat posisional, dan data=<path> diterima sebagai alternatif. Memberikan keduanya dengan nilai berbeda akan keluar dengan config_conflict. Selebihnya berupa pasangan key=value, dan bentuk POSIX juga berfungsi, sehingga imgsz=1024 dan --imgsz 1024 adalah argumen yang sama.

Argumen

Argumen	Default	Arti
`data`		Posisional. YAML dataset dalam format deteksi YOLO, mis. `coco8.yaml`. Wajib
`imgsz`	`640`	Ukuran gambar pelatihan yang dipakai untuk pemeriksaan berbasis piksel seperti objek sangat kecil
`fast`	`false`	Melewati decoding gambar, sehingga pemeriksaan korupsi, duplikat dan kebocoran ikut hilang
`skip`		Id pemeriksaan atau family yang dilewati, dipisah koma, mis. `images,labels.tiny_object`
`only`		Id pemeriksaan atau family yang dijalankan secara eksklusif, dipisah koma
`strict`	`false`	Peringatan ikut membuat exit code gagal, untuk gerbang CI
`download`	`false`	Mengizinkan pengunduhan dataset berbasis URL bila belum ada. Tidak pernah skrip
`json`	`false`	Output JSON ke stdout
`quiet`	`false`	Menekan stderr
`help_json`	`false`	Mencetak skema perintah sebagai JSON lalu keluar

Family pemeriksaan

skip dan only menerima id pemeriksaan lengkap maupun awalan family, sehingga images memilih semua pemeriksaan images.*.

Family	Cakupan
`config`	YAML dataset itu sendiri: `names` yang hilang, `nc` terhadap `names`, split yang hilang, `path` yang tidak bisa diselesaikan, nama kelas duplikat
`files`	Pasangan gambar dan label: label yang hilang, gambar yang hilang, label yatim, ekstensi yang tidak didukung, benturan huruf besar kecil
`labels`	Isi label: sintaks, baris poligon, id kelas di luar rentang, koordinat di luar rentang, box degenerat, objek sangat kecil, box raksasa, rasio aspek ekstrem, box duplikat, gambar yang terlalu padat, berkas identik
`images`	Data piksel: berkas korup, orientasi EXIF, mode warna tidak lazim, dimensi sangat kecil atau ekstrem, gambar seragam, duplikat persis dan nyaris persis
`splits`	Kebocoran antar split, persis maupun nyaris persis
`balance`	Distribusi kelas: kelas tanpa instance atau dengan sedikit instance, ketimpangan, cakupan split, rasio background, kemiringan antar split

Contoh

Dasar

# download=true membuat coco8.yaml bawaan mengunduh gambarnya bila belum ada.libreyolo doctor coco8.yaml download=true

Pass cepat, tanpa decoding gambar

libreyolo doctor coco8.yaml download=true fast=true

Gerbang CI pada pemeriksaan terpilih

libreyolo doctor coco8.yaml download=true strict=true json=true \  only=labels,files,config

Catatan

Exit code

0 bila tidak ada error yang ditemukan, 1 bila ada temuan yang berupa error. Dengan strict=true, peringatan ikut menaikkan exit code menjadi 1, dan itulah setelan yang dibutuhkan gerbang CI.

Masalah pemakaian punya kode sendiri: 2 untuk id pemeriksaan atau family yang tidak dikenal di skip atau only, 3 bila dataset tidak ditemukan, dan 3 bila bentuk dataset bukan deteksi.

Seleksi diselesaikan sebelum pemindaian

skip dan only diselesaikan terhadap registry pemeriksaan sebelum apa pun dibaca dari disk, sehingga salah ketik langsung gagal, bukan setelah satu pass gambar yang panjang. Selektor yang tidak cocok dengan apa pun dianggap error, dan pesannya menampilkan daftar family yang dikenal.

Bila kombinasi skip, only dan fast menyisakan nol pemeriksaan untuk dijalankan, itu juga dianggap error, bukan lolos diam-diam.

Pengunduhan

Dataset tidak diambil kecuali download=true, dan yang dilakukan hanyalah pengunduhan lewat URL. Skrip unduhan Python yang tertanam di dalam YAML dataset tidak pernah dijalankan oleh perintah ini, apa pun nilai flag yang diberikan.

Cakupan

Pemeriksaan ini ditulis untuk dataset deteksi. Dataset yang labelnya berbentuk pose, segmentasi atau bounding box berorientasi akan dikenali dan ditolak dengan data_invalid, bukan dinilai dengan aturan yang keliru.

Output

Laporan untuk dibaca manusia dikirim ke stdout, dan json=true menggantinya dengan objek terstruktur yang memuat hitungan ringkasan, statistik dataset, setiap temuan, dan daftar pemeriksaan yang dilewati.

Terkait: libreyolo train, proses yang seharusnya didahului oleh perintah ini.