Sumber prediksi

Cara sumber diklasifikasikan

classify_source memeriksa nilai sebelum apa pun dibuka atau diunduh, dalam urutan berikut. Aturan pertama yang cocok akan digunakan.

Daftar yang mencampur sumber live dengan gambar akan memunculkan TypeError. Indeks webcam negatif akan memunculkan ValueError.

Classifier tidak pernah menyentuh jaringan, sehingga URL yang salah muncul saat capture dibuka, bukan ketika predict dipanggil.

Gambar

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") # Sumber satu gambar mengembalikan satu Results, bukan daftar.result = model(SAMPLE_IMAGE)print(len(result.boxes), "detections")

import numpy as npfrom PIL import Image from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") pil_image = Image.open(SAMPLE_IMAGE)array = np.asarray(pil_image)raw_bytes = open(SAMPLE_IMAGE, "rb").read() for source in (pil_image, array, raw_bytes):    result = model(source)    print(type(source).__name__, len(result.boxes))

from pathlib import Pathfrom PIL import Image from libreyolo import LibreYOLO, SAMPLE_IMAGE folder = Path("sample_folder")folder.mkdir(exist_ok=True)image = Image.open(SAMPLE_IMAGE)for index in range(3):    image.save(folder / f"frame_{index}.jpg") model = LibreYOLO("LibreYOLO9s.pt") # Folder mengembalikan daftar, satu Results per gambar, diurutkan berdasarkan path.results = model(str(folder))print(len(results), "images")

libreyolo predict model=LibreYOLO9s.pt \  source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg

Sumber satu gambar menerima tujuh tipe.

Semuanya dikonversi ke RGB sebelum prapemrosesan. Array NumPy adalah satu-satunya kasus dengan urutan channel ambigu, sehingga color_format mengontrolnya: "auto" (default) membiarkan array apa adanya, sedangkan "bgr" membalik channel, seperti yang dibutuhkan frame OpenCV.

Array float diskalakan ulang berdasarkan rentangnya sendiri: nilai hingga 1.0 dikalikan 255, sedangkan nilai lebih tinggi dipotong ke [0, 255]. Array RGBA membuang channel alfa.

Path remote memerlukan satu paket per jenis dan tidak ada yang dipasang secara default: requests untuk http(s)://, boto3 untuk s3://, dan gcsfs untuk gs://.

Folder

Direktori dipindai secara rekursif dan diurutkan, lalu setiap berkas dengan salah satu sufiks berikut menjadi gambar: .jpg, .jpeg, .png, .gif, .webp, .bmp, .tiff, .tif. Semua yang lain dilewati. Folder kosong mengembalikan daftar kosong, bukan memunculkan error.

Folder dan daftar adalah dua sumber yang menerima batch, yang menjalankan satu forward bertumpuk per bagian pada family yang mendukungnya. Lihat Performa inferensi.

Berkas video

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # Ganti clip.mp4 dengan berkas video di disk.for result in model("clip.mp4", stream=True):    print(result.frame_idx, len(result.boxes))

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") for result in model("clip.mp4", stream=True, vid_stride=3, save=True):    pass

Path dihitung sebagai video jika sufiksnya salah satu dari .asf, .avi, .gif, .m4v, .mkv, .mov, .mp4, .mpeg, .mpg, .ts, .wmv, .webm.

.gif muncul di kedua daftar. Path .gif yang diteruskan langsung ke predict dibuka sebagai video karena pemeriksaan video berjalan lebih dulu; .gif dalam folder yang dipindai dimuat sebagai gambar diam.

vid_stride memproses setiap frame ke-N dan memakai default 1. Tanpa stream=True, seluruh video didekode menjadi daftar, dan hasil lebih dari 500 frame setelah striding memunculkan peringatan yang menyarankan stream=True.

Setiap Results dari video membawa frame_idx.

Webcam, stream jaringan, dan YouTube

import itertools from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # Indeks webcam 0. Sumber live tidak berakhir, jadi batasi loop.for result in itertools.islice(model(0, stream=True), 100):    print(result.frame_idx, len(result.boxes))

import itertools from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt")source = "rtsp://user:password@192.168.1.64:554/Streaming/Channels/101" for result in itertools.islice(model(source, stream=True), 100):    print(result.frame_idx, len(result.boxes))

Sumber live tidak terbatas, sehingga memerlukan stream=True. Tanpanya, predict memunculkan ValueError, bukan mencoba mengumpulkan daftar tanpa akhir.

Frame dibaca pada thread latar belakang, satu per capture. Secara default, antrean hanya menyimpan frame terbaru, sehingga model yang lebih lambat daripada kamera melewati frame, bukan tertinggal. stream_buffer=True mempertahankan setiap frame yang diambil, dengan biaya latensi yang terus bertambah.

Indeks webcam berupa int atau string digit. Di Windows, capture dibuka melalui backend DirectShow terlebih dahulu dan kembali ke backend default jika gagal.

URL halaman YouTube diselesaikan menjadi URL media langsung tanpa mengunduh video, yang memerlukan yt-dlp:

pip install "libreyolo[stream]"

Label stream disensor sebelum dicatat atau digunakan sebagai nama berkas. URL dengan kredensial ditampilkan sebagai user:***@host, sedangkan query string dibuang dari label stream langsung karena URL bertanda tangan dan bearer token berada di sana. Id video YouTube dipertahankan karena bukan kredensial.

Beberapa kamera sekaligus

import itertoolsfrom pathlib import Path from libreyolo import LibreYOLO Path("cameras.streams").write_text(    "# one source per line, blank lines and comments are skipped\n"    "rtsp://192.168.1.64:554/Streaming/Channels/101\n"    "rtsp://192.168.1.65:554/Streaming/Channels/101\n",    encoding="utf-8",) model = LibreYOLO("LibreYOLO9s.pt")for result in itertools.islice(model("cameras.streams", stream=True), 100):    print(result.frame_idx, len(result.boxes))

import itertools from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt")cameras = [0, "rtsp://192.168.1.64:554/Streaming/Channels/101"] for result in itertools.islice(model(cameras, stream=True), 100):    print(result.frame_idx, len(result.boxes))

Berkas .streams memuat satu sumber per baris. Baris kosong dan baris yang diawali # diabaikan. Setiap baris lain harus berupa indeks webcam, stream jaringan, URL YouTube, atau path berkas video; yang lain memunculkan ValueError dengan nomor baris. Berkas kosong akan memunculkan error, bukan memulai tanpa kamera.

Daftar atau tuple sumber live melakukan hal yang sama tanpa berkas.

Setiap capture mendapat thread sendiri, dan frame semuanya dimultipleks menjadi satu generator. Setiap tahap melakukan polling pada tiap stream aktif dan menghasilkan apa pun yang siap, sehingga kamera lambat tidak menghambat kamera cepat, dan frame dari kamera berbeda saling berselang. Stream yang berakhir keluar dari rotasi sementara yang lain berlanjut.

Screen capture

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # Tanpa stream=True, ini mengambil satu frame.result = model("screen")print(len(result.boxes), "detections")

import itertools from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # "screen <monitor> <left> <top> <width> <height>"for result in itertools.islice(model("screen 1 100 200 512 256", stream=True), 50):    print(len(result.boxes))

Sumber layar adalah kata screen yang diikuti nol, satu, empat, atau lima bilangan bulat. Jumlah lain akan memunculkan ValueError.

Koordinat kotak adalah left top width height, relatif terhadap sudut kiri atas monitor terpilih. Sumber layar melaporkan frame rate sebagai 30 dibagi vid_stride, yaitu laju untuk menulis video simpanan. Capture memerlukan paket mss:

pip install mss

Tanpa stream=True, sumber layar mengambil satu frame dan mengembalikan satu Results, setara screenshot dengan prediksi pada berkas gambar. Dengan stream=True, capture berlanjut hingga loop dihentikan.

Hasil yang dikembalikan predict

Bentuk nilai hasil bergantung pada sumber dan stream.

Satu gambar mengembalikan objek Results itu sendiri. Mengindeksnya memilih deteksi, bukan gambar, sehingga result[0] pada prediksi satu gambar adalah kotak pertama, bukan gambar pertama. Untuk isinya, lihat Bekerja dengan hasil.

Lokasi penulisan hasil simpan

save=True menulis output beranotasi ke direktori proses, bukan mengembalikannya.

Gambar masuk ke runs/detect/predict, runs/detect/predict2, dan seterusnya yang bertambah otomatis, dengan nama berkas sumber dipertahankan. Setiap gambar dalam satu proses masuk ke direktori yang sama, sehingga dua folder input dengan nama berkas sama saling menimpa. Gambar dalam memori tidak memiliki nama berkas dan diberi nomor image0, image1, dan seterusnya.

Video dan sumber live ditulis sebagai satu .mp4 yang dinamai berdasarkan sumber.

output_path mengganti direktori. Path dengan sufiks dianggap sebagai berkas, sedangkan path tanpa sufiks dianggap sebagai direktori. output_file_format memilih encoding gambar diam dan menerima jpg, png, atau webp.

Setelah penyimpanan, path yang ditulis juga dilampirkan ke hasil sebagai result.saved_path.