예측 소스

출처가 분류되는 방법

classify_source는 어떤 것이 열리거나 다운로드되기 전에 값을 다음 순서대로 검사합니다. 일치하는 첫 번째 규칙이 적용됩니다.

실시간 소스와 이미지를 혼합한 목록은 TypeError를 발생시킵니다. 음수 웹캠 인덱스는 ValueError를 발생시킵니다.

분류기는 네트워크에 전혀 접촉하지 않으므로 잘못 입력된 URL은 predict가 호출될 때가 아니라 캡처가 열릴 때 나타납니다.

이미지

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") # 단일 이미지 소스는 리스트가 아닌 하나의 결과를 반환합니다.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") # 폴더는 경로별로 정렬된 이미지당 하나의 결과를 반환하는 목록을 반환합니다.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

단일 이미지 소스는 일곱 가지 유형을 허용합니다.

모든 것은 전처리 전에 RGB로 변환됩니다. 채널 순서가 모호한 NumPy 배열의 경우 color_format가 이를 제어합니다: "auto"(기본값)는 배열을 그대로 두고, "bgr"는 채널을 역순으로 바꾸며, 이는 OpenCV로 읽은 프레임이 필요로 하는 것입니다.

부동 소수점 배열은 자체 범위로 다시 스케일됩니다: 1.0 이하의 값은 255와 곱해지고, 더 높은 값은 [0, 255]로 잘립니다. RGBA 배열은 알파 채널을 제거합니다.

원격 경로는 각각 하나의 패키지가 필요하며, 그 중 어느 것도 기본적으로 설치되어 있지 않습니다: http(s)://용 requests, s3://용 boto3, gs://용 gcsfs.

폴더

디렉토리는 재귀적으로 스캔되고 정렬되며, 다음 접미사 중 하나를 가진 모든 파일은 이미지가 됩니다: .jpg, .jpeg, .png, .gif, .webp, .bmp, .tiff, .tif. 폴더 내의 다른 모든 항목은 건너뜁니다. 빈 폴더는 예외를 발생시키는 대신 빈 목록을 반환합니다.

폴더와 목록은 batch를 허용하는 두 가지 소스로, 해당 기능을 지원하는 계열에서 청크당 하나의 스택된 순방향 패스를 실행합니다. 추론 성능을 참조하십시오.

비디오 파일

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # clip.mp4를 디스크에 있는 비디오 파일로 교체하십시오.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

경로의 접미사가 .asf, .avi, .gif, .m4v, .mkv, .mov, .mp4, .mpeg, .mpg, .ts, .wmv, .webm 중 하나일 때 해당 경로는 비디오로 간주됩니다.

.gif는 두 목록 모두에 나타납니다. .gif 경로가 predict로 직접 전달되면 비디오로 열리는데, 비디오 확인이 먼저 실행되기 때문입니다. 스캔된 폴더 안에 있는 .gif는 정지 이미지로 로드됩니다.

vid_stride는 매 N번째 프레임을 처리하며 기본값은 1입니다. stream=True가 없으면 전체 비디오가 목록으로 디코딩되며, 스트라이딩 후 500프레임을 초과하는 경우 stream=True를 권장하는 경고가 발생합니다.

비디오의 각 Results는 frame_idx를 전달합니다.

웹캠, 네트워크 스트림 및 유튜브

import itertools from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # 웹캠 인덱스 0. 라이브 소스는 끝나지 않으므로 루프를 제한하십시오.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))

실시간 소스는 무한하므로 stream=True가 필요합니다. 그것이 없으면, predict는 끝없는 목록을 수집하려고 하기보다는 ValueError를 발생시킵니다.

프레임은 백그라운드 스레드에서 한 번의 캡처마다 하나씩 읽습니다. 기본적으로 큐는 최신 프레임만 보관하므로, 카메라보다 느린 모델은 뒤처지지 않고 프레임을 건너뜁니다. stream_buffer=True는 모든 캡처된 프레임을 보관하여 지연이 증가하는 대가로 이를 유지합니다.

웹캠 인덱스는 int 또는 숫자 문자열입니다. Windows에서는 캡처가 먼저 DirectShow 백엔드를 통해 열리고, 실패하면 기본 백엔드로 대체됩니다.

YouTube 페이지 URL은 비디오를 다운로드하지 않고 직접 미디어 URL로 해결되며, 이는 yt-dlp가 필요합니다:

pip install "libreyolo[stream]"

스트림 레이블은 기록되거나 파일 이름으로 사용되기 전에 수정됩니다. 자격 증명을 포함하는 URL은 user:***@host로 표시되며, 쿼리 문자열은 직접 스트림 레이블에서 제거됩니다. 이는 서명된 URL과 베어러 토큰이 그 안에 존재하기 때문입니다. YouTube 비디오 ID는 자격 증명이 아니므로 유지됩니다.

여러 대의 카메라

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))

.streams 파일은 한 줄에 하나의 소스가 있습니다. 빈 줄과 #로 시작하는 줄은 무시됩니다. 남아 있는 각 줄은 자체적으로 웹캠 인덱스, 네트워크 스트림, YouTube URL 또는 비디오 파일 경로여야 합니다; 그 외의 것은 줄 번호를 지정하는 ValueError를 발생시킵니다. 빈 파일은 카메라가 없는 상태로 시작하는 대신 오류를 발생시킵니다.

실시간 소스의 리스트나 튜플은 파일 없이도 동일한 기능을 합니다.

각 캡처는 자신의 스레드를 가지며, 모든 캡처의 프레임은 하나의 제너레이터로 다중화됩니다. 각 패스는 각 활성 스트림을 폴링하고 준비된 것은 무엇이든 반환하므로, 느린 카메라가 빠른 카메라를 막지 않으며, 서로 다른 카메라의 프레임이 교차합니다. 스트림이 끝나면 다른 스트림이 계속되는 동안 회전에서 제외됩니다.

화면 캡처

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9s.pt") # stream=True 없이 이것은 단일 프레임을 가져옵니다.result = model("screen")print(len(result.boxes), "detections")

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

화면 소스는 screen라는 단어 다음에 0, 1, 4 또는 5개의 정수가 오는 것입니다. 다른 개수는 ValueError를 발생시킵니다.

상자 좌표는 선택한 모니터의 왼쪽 위 모서리를 기준으로 left top width height입니다. 화면 소스는 프레임 속도를 vid_stride로 나눈 30으로 보고하며, 이는 저장된 비디오가 기록되는 속도입니다. 캡처에는 mss 패키지가 필요합니다:

pip install mss

stream=True 없이, 화면 소스는 한 프레임을 가져오고 단일 Results를 반환하는데, 이는 이미지 파일에 대해 예측하는 것과 동일한 스크린샷입니다. stream=True를 사용하면 루프가 끊길 때까지 캡처합니다.

무엇을 예측하다가 반환합니까

반환 값의 형태는 소스와 stream에 따라 달라집니다.

단일 이미지는 Results 객체 자체를 반환합니다. 인덱싱하면 이미지가 아니라 검출을 선택하므로, 단일 이미지 예측에서 result[0]는 첫 번째 그림이 아니라 첫 번째 박스입니다. 해당 객체가 담고 있는 내용은 결과 작업을 참조하십시오.

어디에 저장할지

save=True는 결과를 반환하는 대신 실행 디렉토리 옆에 주석이 달린 출력을 작성합니다.

이미지는 자동 증가하는 runs/detect/predict, runs/detect/predict2 등으로 이동하며 원본 파일 이름을 유지합니다. 하나의 프로세스 내의 모든 이미지는 같은 디렉토리에 저장되므로, 동일한 파일 이름을 가진 두 입력 폴더는 서로 덮어쓰게 됩니다. 메모리 내 이미지는 재사용할 파일 이름이 없으며 image0, image1 등으로 번호가 매겨집니다.

비디오 및 라이브 소스는 소스의 이름을 따서 지어진 단일 .mp4로 작성됩니다.

output_path는 디렉토리를 덮어씁니다. 접미사가 있는 경로는 파일로 처리되고, 접미사가 없는 경로는 디렉토리로 처리됩니다. output_file_format는 정지 이미지 인코딩을 선택하며 jpg, png 또는 webp를 허용합니다.

저장 후, 작성된 경로는 결과에도 result.saved_path로 첨부됩니다.