Работа с результатами

Один объект, один слот на каждый тип данных

Предсказание по одному изображению возвращает один Results. В нём восемнадцать слотов под данные, и модель заполняет только те, которые даёт её задача. Все остальные слоты — None, поэтому чтение result.masks у детектора даёт None, а не ошибку.

Рядом с ними лежат поля, которые есть у любого результата: orig_shape как (height, width), path (путь к источнику или None для входа из памяти), names — соответствие id класса имени класса, frame_idx для кадров видео и живого потока, track_id при трекинге и restore_scale — целочисленный коэффициент увеличения для результата восстановления.

result.normals — псевдоним для result.normal_map.

result.speed есть у каждого результата, но заполняется только ансамблями: там его ключи — member_0, member_1 и fusion, в миллисекундах. Для одиночной модели он остаётся пустым словарём.

Boxes

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt")result = model(SAMPLE_IMAGE) print(result.orig_shape)   # (height, width) исходного изображенияprint(result.path)         # путь к источнику, None для входа из памяти for xyxy, conf, cls in zip(    result.boxes.xyxy.tolist(),    result.boxes.conf.tolist(),    result.boxes.cls.tolist(),):    print(result.names[int(cls)], round(float(conf), 3), xyxy)

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy[:1])    # пиксели, x1 y1 x2 y2print(result.boxes.xywh[:1])    # пиксели, центр x, центр y, w, hprint(result.boxes.xyxyn[:1])   # та же рамка, поделённая на ширину и высотуprint(result.boxes.xywhn[:1])

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt")result = model(SAMPLE_IMAGE) # Каждый из них возвращает новый Results; оригинал не меняется.as_numpy = result.numpy()on_cpu = result.cpu() print(type(as_numpy.boxes.xyxy).__name__)print(type(on_cpu.boxes.xyxy).__name__)

Boxes хранит координаты и оценки в отдельных массивах, а не в одном упакованном тензоре.

cls — массив вещественных чисел, поэтому используйте его так: result.names[int(cls)].

xyxyn и xywhn требуют orig_shape, и Results подставляет его за вас.

Плотные данные

Данные, покрывающие всё изображение, ведут себя иначе, чем данные по отдельным экземплярам, и при взятии срезов это важно.

SemanticMask хранит (H, W) id классов на исходном холсте, где 255 зарезервировано как значение «игнорировать» и никогда не считается классом. classes перечисляет присутствующие id и исключает его; class_mask(id) возвращает булев массив (H, W).

PanopticSegmentation хранит (H, W) id сегментов, где 0 — id пустоты, и список словарей segments_info, в каждом из которых есть как минимум id и category_id. segment_ids перечисляет присутствующие id, segment_mask(id) выбирает один.

DepthMap хранит (H, W) относительной обратной глубины: больше — значит ближе, и значения не в метрах. Он даёт min, max, mean по конечным значениям и normalized(), приводящий диапазон к [0, 1].

NormalMap хранит (H, W, 3) единичных векторов в системе координат камеры OpenCV, где +x — вправо, +y — вниз, а +z — вглубь сцены, поэтому поверхность, обращённая к камере, — это (0, 0, -1). assert_normalized() проверяет, что каждый пиксель конечен и имеет единичную длину.

EdgeMap хранит (H, W) типа float32 в [0, 1]. Непрерывная карта сохраняется как есть, без порога, поэтому отсечку вы выбираете в binary(threshold=0.5).

Matte хранит (H, W) типа float32 в [0, 1], где 1 — полностью передний план. array возвращает его обрезанным по диапазону, в float32.

RestoredImage хранит (H, W, 3) uint8 RGB: array даёт сырой ndarray, а save(path) записывает его на диск.

Probs хранит один вектор вероятностей для изображения. top1 и top5 — это индексы классов, top1conf и top5conf — соответствующие оценки.

Embeddings хранит (N, D) строк, уже нормированных по L2, поэтому косинусная близость — это скалярное произведение. similarity(other) возвращает (N, M) для галереи или (N,) для одного вектора, а verify(i, j, threshold=0.4) сравнивает две строки.

OCRRegions хранит (N, 4, 2) полигонов в порядке чтения; углы идут в порядке левый верхний, правый верхний, правый нижний, левый нижний. Распознанный текст лежит в texts, оценки распознавания — в conf, оценки детекции — в det_conf. Это настоящие повёрнутые полигоны, поэтому они не заполняют boxes; если нужны прямоугольники, ocr.xyxy даёт оболочки, выровненные по осям.

Срезы и перемещение

result[i] возвращает новый Results с одним экземпляром. Данные по экземплярам режутся; данные по всему изображению переносятся без изменений, поэтому срез результата классификации не может урезать его вектор вероятностей до одного класса, а срез результата с глубиной не может испортить раскладку (H, W).

len(result) считает экземпляры: рамки, точки, эмбеддинги, области OCR или меши. Любые плотные данные по всему изображению считаются за 1. Результат, в котором нет ничего, — это 0.

to(), cpu(), cuda() и numpy() возвращают новый Results, в котором сконвертирован каждый заполненный слот. Оригинал они не меняют.

update() — единственный метод, который меняет объект на месте: он заменяет слоты по имени и возвращает тот же объект.

JSON

import json from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt")result = model(SAMPLE_IMAGE) rows = result.summary()print(json.dumps(rows[:2], indent=2)) # То же содержимое строкой, с теми же именованными аргументами.print(result.to_json(normalize=True, decimals=3)[:200])

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

summary() возвращает список обычных словарей, а to_json() — этот же список, пропущенный через json.dumps. Оба принимают одни и те же три аргумента: normalize=False переводит координаты в [0, 1], decimals=5 задаёт округление, а embeddings=False управляет тем, попадут ли в вывод векторы эмбеддингов.

Структура строки зависит от данных. Строки детекции содержат name, class, confidence и словарь box, а также подхватывают segments, когда есть маски, obb и corners для повёрнутых рамок, углы gaze и в радианах, и в градусах, track_id при трекинге и параметры mesh, когда есть меши.

Если рамок нет, строки определяются одним типом данных: OCR выдаёт по строке на область с её text, точки — по строке на точку, паноптика — по строке на сегмент с pixel_count и pixel_fraction, семантика — по строке на каждый присутствующий класс, классификация — пять лучших классов. Глубина, нормали, границы, восстановление и маттинг выдают по одной сводной строке, которая описывает карту, а не её пиксели.

Два типа данных намеренно сокращены. Вектор эмбеддинга отдаётся только как embedding_dim, потому что строка из 512 вещественных чисел — это около 2 КБ на одно лицо; чтобы включить сами значения, передайте embeddings=True. Вершины мешей не включаются вообще, потому что это десятки тысяч координат на человека. Чтобы получить геометрию, читайте result.meshes.vertices или вызывайте result.meshes.save_obj(path).

Отрисовка и сохранение

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt") # save=True рисует данные и пишет их в runs/detect/predict*.result = model(SAMPLE_IMAGE, save=True)print(result.saved_path)

Аннотирует и записывает именно predict(save=True). Способ отрисовки выбирается по тому, какой слот заполнен: семантический результат записывается как цветная маска, результат с глубиной — как визуализация глубины, паноптический — со своими сегментами, результат маттинга — как RGBA PNG с прозрачным фоном, а детектор — как рамки с масками под ними. Путь записанного файла кладётся в результат как result.saved_path.

Results.plot() — метод более узкий, чем кажется по названию. Он определён только для карт нормалей и карт границ, а для всего остального бросает NotImplementedError. Для прочих задач используйте save=True.

Results.save(path) так же узок: он записывает результат маттинга как вырезанный объект в RGBA PNG с прозрачным фоном, а в остальных случаях бросает NotImplementedError. Results.cutout() возвращает тот же RGBA-массив, ничего не записывая. Обоим нужно исходное изображение — оно берётся из result.path или передаётся через image=.

У двух типов данных есть свои методы записи: result.restored.save(path) для восстановленного изображения и result.meshes.save_obj(path, index=0) для меша.

О том, куда попадают файлы и как ведут себя output_path и output_file_format, см. Источники для предсказания.

Экспортированные артефакты возвращают тот же объект

pip install "libreyolo[onnx]"

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO9s.pt")path = model.export(format="onnx")   # возвращает путь записанного файла # LibreYOLO() выбирает загрузчик по суффиксу файла.exported = LibreYOLO(path)result = exported(SAMPLE_IMAGE) print(type(result).__name__, len(result.boxes))

LibreYOLO() выбирает загрузчик по суффиксу файла, поэтому экспортированный артефакт загружается тем же вызовом, что и .pt-чекпойнт, и возвращает тот же Results. По суффиксу распознаются файлы .onnx, .engine, .pte и .mnn, а также каталоги OpenVINO, Paddle и ncnn и URL модели в Triton. Код, который читает result.boxes.xyxy, не меняется, когда модель заменяют на её экспортированную сборку. Полный набор форматов — в разделе Экспорт.

Если вместо этого браться за собственный API среды выполнения, предобработку, постобработку и имена классов придётся брать на себя.