Progi i filtrowanie

Cztery argumenty

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") result = model(    SAMPLE_IMAGE,    conf=0.25,      # zachowaj predykcje z tym wynikiem lub wyższym    iou=0.45,       # próg nakładania NMS tam, gdzie NMS jest wykonywane    max_det=300,    # limit na obraz    classes=None,   # albo lista identyfikatorów klas)print(len(result.boxes))

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") for conf in (0.1, 0.25, 0.5, 0.75):    result = model(SAMPLE_IMAGE, conf=conf)    print(conf, len(result.boxes))

libreyolo predict model=LibreYOLO9s.pt conf=0.4 iou=0.5 max_det=100 \  source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg

Dwa z tych argumentów są uniwersalne, a dwa nie. To najważniejsza rzecz, którą warto wiedzieć przed rozpoczęciem dostrajania.

Walidacja celowo używa innych wartości domyślnych: val() działa z conf=0.001 i iou=0.6, ponieważ średnia precyzja jest obliczana dla pełnej krzywej precyzja-czułość, a próg 0,25 skróciłby ją.

conf

conf to wynik, poniżej którego predykcja jest odrzucana. Dotyczy każdej rodziny, w tym tych, które nigdy nie wykonują NMS, i jest pierwszym parametrem do zmiany, gdy detekcji jest zbyt wiele lub zbyt mało.

Wartość domyślna 0.25 nadaje się do oglądania obrazów. System przekazujący wyniki dalej zwykle wymaga wartości wyższej, a pomiar dokładności znacznie niższej.

iou

iou określa nakładanie, powyżej którego tłumienie niemaksymalne usuwa ramkę o niższym wyniku spośród dwóch ramek tej samej klasy. Ma znaczenie tylko wtedy, gdy rodzina w ogóle wykonuje tłumienie.

Predyktor zbioru dekoduje stałą liczbę zapytań i wybiera te z najwyższymi wynikami. Duplikaty są tłumione wewnątrz architektury podczas trenowania, a nie na etapie przetwarzania końcowego, więc nie ma progu do ustawienia. Następujące rodziny przyjmują iou dla zgodności API i je ignorują:

CenterNet, DEIM, DETR, Deformable DETR, D-FINE, DINO-DETR, EdgeCrafter, Faster R-CNN, LW-DETR, Mask R-CNN, RF-DETR, RT-DETR oraz głowica end-to-end YOLOv9. Warianty zbudowane na tych dekoderach dziedziczą to zachowanie.

from libreyolo import LibreYOLO, SAMPLE_IMAGE # RF-DETR dekoduje stały zestaw zapytań, więc iou niczego tutaj nie zmienia.model = LibreYOLO("LibreRFDETRs.pt") loose = model(SAMPLE_IMAGE, iou=0.9)tight = model(SAMPLE_IMAGE, iou=0.1) # Liczba jest taka sama w obu przypadkach. Działają parametry conf i max_det.print(len(loose.boxes), len(tight.boxes))

Większość z nich informuje o tym w docstringach przetwarzania końcowego, ale podczas działania nie jest zgłaszane ostrzeżenie. Dlatego przeszukiwanie wartości iou dla RF-DETR daje płaską linię zamiast błędu. Faster R-CNN i Mask R-CNN są nieco innym przypadkiem: oba wykonały już NMS wewnątrz modelu ze stałym progiem projektu źródłowego, którego iou nie może zmienić w obsługiwany sposób.

Następujące rodziny używają tego parametru: od YOLOv1 do YOLOv4, YOLOv7, YOLOv9, YOLOX, YOLO-NAS, RTMDet, PicoDet, EfficientDet, FCOS, RetinaNet i SSD.

Dwie opcje predykcji sprawiają, że iou ma znaczenie nawet dla predyktora zbioru, ponieważ obie scalają ramki po zakończeniu działania modelu:

• tiling=True uzgadnia nakładające się kafelki za pomocą NMS na klasę przy iou
• augment=True scala odbite widoki za pomocą NMS na klasę przy iou

Obie opisano w sekcji wydajność wnioskowania.

Detektory z otwartym słownikiem mają własną zasadę. Rodzina, której procesor wykonuje NMS, deklaruje własny domyślny próg i respektuje iou, jak OMDet-Turbo. Rodziny bez tłumienia, Grounding DINO, OWLv2 i OV-DEIM, zgłaszają ostrzeżenie po przekazaniu iou. Jest to jedyne takie ostrzeżenie w bibliotece.

max_det

max_det ogranicza liczbę predykcji zwracanych dla jednego obrazu. Dotyczy wszystkich rodzin, ale jest realizowane za pomocą różnych mechanizmów. Rodzina z NMS przycina wynik po tłumieniu, a predyktor zbioru używa go jako rozmiaru wyboru top-k.

Niektóre rodziny ograniczają wartość poniżej żądanej, ponieważ tak działa ich konfiguracja referencyjna. SSD ogranicza ją do 200, segmentacja instancji RTMDet do 100, a FCOS do własnego limitu detekcji na obraz. Zwiększanie max_det ponad te wartości nie ma wpływu.

Jedynym miejscem, w którym max_det jest stosowane centralnie zamiast osobno dla rodziny, jest wnioskowanie kafelkowe. Scalona lista jest wtedy przycinana po uzgodnieniu kafelków.

Filtrowanie klas

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") # Identyfikatory klas indeksują model.names. W COCO 0 oznacza osobę.result = model(SAMPLE_IMAGE, classes=[0]) print({result.names[int(c)] for c in result.boxes.cls.tolist()})

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt")result = model(SAMPLE_IMAGE) wanted = {"person", "backpack"}ids = [i for i, name in result.names.items() if name in wanted]print(ids) filtered = model(SAMPLE_IMAGE, classes=ids)print(len(filtered.boxes))

classes przyjmuje listę identyfikatorów klas i zachowuje tylko predykcje, których klasa się na niej znajduje. Identyfikatory indeksują result.names, a najpewniejszą metodą ich uzyskania jest odczytanie names z wyniku zamiast zakładania kolejności zbioru danych.

Filtrowanie odbywa się centralnie, po przetwarzaniu końcowym każdej rodziny, w jednym punkcie, przez który przechodzi każda ścieżka predykcji. Ma to dwie ważne konsekwencje. Działa dla każdej rodziny, w tym tych bez NMS. Filtruje też dane dopasowane do ramek, więc maski, punkty kluczowe i ramki zorientowane są przycinane razem z nimi, a nie pozostawiane w niezgodnym stanie.

W wierszu poleceń classes przyjmuje pojedynczą liczbę całkowitą, listę albo ciąg rozdzielany przecinkami:

libreyolo predict model=LibreYOLO9s.pt classes=0 source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg
libreyolo predict model=LibreYOLO9s.pt classes="[0,2,5]" source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg

Filtrowanie nie zapewnia bezpłatnie większej dokładności. Model nadal wykorzystuje zasoby na przewidywanie klas, które później są odrzucane, a max_det jest stosowane przez rodzinę przed filtrem. Obraz z dużą liczbą niepożądanych klas może więc osiągnąć limit przed dotarciem do właściwej klasy. W takim przypadku zmniejsz conf lub zwiększ max_det.

agnostic_nms

agnostic_nms jest przyjmowane i nic nie robi. Przekazanie tego argumentu zgłasza ostrzeżenie, że jest to opcja bez działania zachowana dla zgodności z wierszem poleceń, po czym argument jest odrzucany.

Nie ma trybu tłumienia niezależnego od klasy. Każde wywołanie NMS w bibliotece uwzględnia klasy, dlatego dwie nakładające się ramki różnych klas pozostają przy dowolnym iou. Jeśli stanowi to problem, najpierw filtruj za pomocą classes albo samodzielnie wykonaj tłumienie między klasami na result.boxes.

Argumenty odrzucane przez predict

Dwa argumenty zgłaszają błąd zamiast ostrzeżenia: visualize i embed zgłaszają NotImplementedError. Aby uzyskać osadzenia, załaduj model z task="embed" i normalnie wywołaj predict lub embed.

Każdy nierozpoznany argument zgłasza TypeError z nazwami obsługiwanych opcji, więc literówka powoduje natychmiastowy błąd, zamiast zostać po cichu zignorowana.

Następujące argumenty są przyjmowane, powodują ostrzeżenie i są odrzucane: agnostic_nms, boxes, dnn, half, line_width, retina_masks, show_conf, show_labels i verbose.