Ultralytics_yolov10目标检测,预处理函数入口

日期:2024.10.7.

随着Ultralytics的更新,yolov5-v11可以统一使用Ultralytics包体,我之前分析的yolov5关键代码定位在Ultralytics中不适用,这篇博客更新一下。

1. Ultralytics包体版本:

bash 复制代码
$ pip list | grep ultralytics
ultralytics                  8.2.101
ultralytics-thop             2.0.8

2. 测试代码

我不确定yolov10的预处理入口和其他yolo版本是否一样,大家感兴趣自己测试一下

python 复制代码
from ultralytics import YOLO

# Load a model
model = YOLO("yolov10n.pt")  # build a new model from YAML

# Train the model with data augmentation enabled
results = model.train(
    data="your_path1/your_dataset.yaml",
    epochs=150,
    imgsz=320,
    batch=8,
    project='your_path2',
    name='train',
    pretrained=True,
)

3. train阶段预处理入口

  1. 文件:ultralytics/data/base.py
  2. 类:class BaseDataset(Dataset):
  3. 函数:def load_image(self, i, rect_mode=True):

在base.py文件中的---->BaseDataset类---->load_image函数

4. val阶段预处理函数入口

  1. 文件:ultralytics/data/augment.py
  2. 类:class LetterBox:
  3. 函数:def call(self, labels=None, image=None):

在augment.py文件中的---->LetterBox类---->__call__函数

5. 验证方法

5.1. 方法1:

修改预处理方法,查看训练结果存放的文件夹your_path2/train,这个文件夹在第2节的测试代码中指定,文件夹内可以看到train和val阶段的图片

5.2. 方法2

打断点查看进入Warmup或Forward的图片,打断点的位置:

  1. 文件:ultralytics/engine/trainer.py
  2. 类:class BaseTrainer:
  3. 函数:def _do_train(self, world_size=1):
  4. 在函数中找到for i, batch in pbar:并打断点

对batch中的img,查看或保存到本地就可以验证了。

python 复制代码
images = batch['img']
save_path = "./image_{}.jpg"  # 用你自己的路径

# 遍历每一张图片
for i in range(images.shape[0]):
	# 获取第 i 张图片的 Tensor,形状 [3, 320, 320]
	img_tensor = images[i]
	
	# 调整维度顺序,从 [3, 320, 320] -> [320, 320, 3]
	img_np = img_tensor.permute(1, 2, 0).numpy()
	
	# 将Tensor数值范围从[0, 1](假设这是你的数据范围)转换为[0, 255],并转换为uint8类型
	img_np = (img_np).astype(np.uint8)
	
	# 使用 PIL Image 将 NumPy 数组转换为图像
	img_pil = Image.fromarray(img_np)
	
	# 保存图片
	img_pil.save(save_path.format(i))  # 保存图片路径中带有索引i
相关推荐
黑客笔记8 小时前
python小工具win7翻车事故现场
python
Csvn9 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
多弗朗皮卡丘10 小时前
网络基础:数据链路层与其他协议或技术
linux·网络·tcp/ip
汤姆宝库10 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静10 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
benchmark_cc10 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
武子康11 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea11 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化