BoundingBoxes2D
W&B에 로깅하기 위한 2D 바운딩 박스 오버레이로 이미지를 형식화합니다.
BoundingBoxes2D(
val: dict,
key: str
) -> None
| 인수 | |
|---|---|
val | (사전) 다음 형식의 사전: box_data: (사전 목록) 각 바운딩 박스에 대한 하나의 사전, 다음을 포함: position: (사전) 바운딩 박스의 위치 및 크기, 두 가지 형식 중 하나에서 주의할 점은 모든 상자가 같은 형식을 사용할 필요는 없다는 것입니다. {"minX", "minY", "maxX", "maxY"}: (사전) 상자의 상한과 하한을 정의하는 좌표 세트 (왼쪽 하단과 오른쪽 상단 모서리) {"middle", "width", "height"}: (사전) 상자의 중심과 크기를 정의하는 좌표 세트, 여기서 "middle"은 중심점을 위한 [x, y] 리스트이고 "width"와 "height"는 숫자입니다. domain: (문자열) 바운딩 박스 좌표 도메인에 대한 두 가지 옵션 중 하나 null: 기본적으로, 또는 인수가 전달되지 않으면, 좌표 도메인은 원본 이미지에 상대적이라고 가정되며, 이 상자를 원본 이미지의 분수 또는 백분율로 표현합니다. 이는 "position" 인수로 전달된 모든 좌표와 치수가 0과 1 사이의 부동 소수점 숫자임을 의미합니다. "pixel": (문자열 리터럴) 좌표 도메인이 픽셀 공간으로 설정됩니다. 이는 "position"으로 전달된 모든 좌표와 치수가 이미지 치수의 범위 내에서 정수임을 의미합니다. class_id: (정수) 이 상자의 클래스 레이블 id scores: (문자열에서 숫자로의 사전, 선택 사항) 이름이 지정된 필드에 대한 수치값 (float 또는 int)의 매핑, UI에서 해당 필드의 값 범위를 기반으로 상자를 필터링하는 데 사용될 수 있습니다. box_caption: (문자열, 선택 사항) UI에서 이 상자 위에 표시되는 레이블 텍스트로 사용되는 문자열, 종종 클래스 레이블, 클래스 이름 및/또는 점수로 구성됩니다. class_labels: (사전, 선택 사항) 정수 클래스 레이블을 그들의 읽을 수 있는 클래스 이름에 매핑하는 맵 |
key | (문자열) 이 바운딩 박스 세트의 읽을 수 있는 이름 또는 id (예: 예측값, ground_truth) |
예시:
단일 이미지에 대한 바운딩 박스 로깅
import numpy as np
import wandb
wandb.init()
image = np.random.randint(low=0, high=256, size=(200, 300, 3))
class_labels = {0: "person", 1: "car", 2: "road", 3: "building"}
img = wandb.Image(
image,
boxes={
"predictions": {
"box_data": [
{
# 기본 상대/분수 도메인에서 표현된 하나의 상자
"position": {"minX": 0.1, "maxX": 0.2, "minY": 0.3, "maxY": 0.4},
"class_id": 1,
"box_caption": class_labels[1],
"scores": {"acc": 0.2, "loss": 1.2},
},
{
# 픽셀 도메인에서 표현된 또 다른 상자
"position": {"middle": [150, 20], "width": 68, "height": 112},
"domain": "pixel",
"class_id": 3,
"box_caption": "a building",
"scores": {"acc": 0.5, "loss": 0.7},
},
# 필요한 만큼 많은 상자를 로깅하세요.
],
"class_labels": class_labels,
}
},
)
wandb.log({"driving_scene": img})
테이블에 바운딩 박스 오버레이 로깅
import numpy as np
import wandb
wandb.init()
image = np.random.randint(low=0, high=256, size=(200, 300, 3))
class_labels = {0: "person", 1: "car", 2: "road", 3: "building"}
class_set = wandb.Classes(
[
{"name": "person", "id": 0},
{"name": "car", "id": 1},
{"name": "road", "id": 2},
{"name": "building", "id": 3},
]
)
img = wandb.Image(
image,
boxes={
"predictions": {
"box_data": [
{
# 기본 상대/분수 도메인에서 표현된 하나의 상자
"position": {"minX": 0.1, "maxX": 0.2, "minY": 0.3, "maxY": 0.4},
"class_id": 1,
"box_caption": class_labels[1],
"scores": {"acc": 0.2, "loss": 1.2},
},
{
# 픽셀 도메인에서 표현된 또 다른 상자
"position": {"middle": [150, 20], "width": 68, "height": 112},
"domain": "pixel",
"class_id": 3,
"box_caption": "a building",
"scores": {"acc": 0.5, "loss": 0.7},
},
# 필요한 만큼 많은 상자를 로깅하세요.
],
"class_labels": class_labels,
}
},
classes=class_set,
)
table = wandb.Table(columns=["image"])
table.add_data(img)
wandb.log({"driving_scene": table})
메소드
type_name
@classmethod
type_name() -> str
validate
validate(
val: dict
) -> bool