ml.postprocessing.ultralytics — Ultralytics¶
Modulen ml.postprocessing.ultralytics innehåller klasser för Ultralytics.
class YoloV5 – YOLO V5¶
Används för att efterbehandla utdata från YOLO V5-modeller.
- class ml.postprocessing.ultralytics.YoloV5(threshold: float = 0.6, nms_threshold: float = 0.1, nms_sigma: float = 0.1)¶
Skapa en YOLO V5-efterbehandlare.
thresholdPoängtröskelvärde för att filtrera detekteringar före NMS.nms_thresholdIoU-tröskelvärde som används av NMS för att undertrycka överlappande begränsningsrutor.nms_sigmaSigma-värde som används av Soft-NMS för poängavtagning.- __call__(model: ml.Model, inputs: list, outputs: list) list¶
Efterbehandla listan
outputsmed arrayer som produceras avmodelför den angivna listaninputs. Returnerar en lista med listor per klass; varje inre lista innehåller((x, y, w, h), score)-tupler i ROI-koordinater. Tomma klasslistor bevaras så att varje listindex matchar motsvarande klassindex i modellens utdata.
class YoloV8 – YOLO V8¶
Används för att efterbehandla utdata från YOLO V8-modeller.
- class ml.postprocessing.ultralytics.YoloV8(threshold: float = 0.6, nms_threshold: float = 0.1, nms_sigma: float = 0.1)¶
Skapa en YOLO V8-efterbehandlare.
thresholdPoängtröskelvärde för att filtrera detekteringar före NMS.nms_thresholdIoU-tröskelvärde som används av NMS för att undertrycka överlappande begränsningsrutor.nms_sigmaSigma-värde som används av Soft-NMS för poängavtagning.- __call__(model: ml.Model, inputs: list, outputs: list) list¶
Efterbehandla listan
outputsmed arrayer som produceras avmodelför den angivna listaninputs. Returnerar en lista med listor per klass; varje inre lista innehåller((x, y, w, h), score)-tupler i ROI-koordinater. Tomma klasslistor bevaras så att varje listindex matchar motsvarande klassindex i modellens utdata.