Datasets
Models
Downloads: 1
164 lines (161 with data), 29.6 kB
§
¢eÜP ã óø d Z ddlZddlZddlZddlZddlZddlmZ ddlZ ddl
Z
ddl m Z ee ¦ «
¦ « Zej d Z ee¦ « ej vr#ej ee¦ « ¦ « eej e ej ¦ « ¦ « ¦ « ZddlmZ ddlmZ ddlmZ ddl m Z m Z m Z m Z m!Z!m"Z"m#Z#m$Z$m%Z%m&Z&m'Z'm(Z(m)Z)m*Z*m+Z+ dd l,m-Z-m.Z.m/Z/ dd
l0m1Z1m2Z2m3Z3 dd l4m5Z5m6Z6 d Z7d
Z8d Z9 e6¦ « ddddddddddddddddedz dddddd ed¦ « d e¦ « dfd¦ « Z:d Z;d Z<e=d k r e;¦ « Z> e<e>¦ « dS dS ) aç
Validate a trained YOLOv5 detection model on a detection dataset
Usage:
$ python val.py --weights yolov5s.pt --data coco128.yaml --img 640
Usage - formats:
$ python val.py --weights yolov5s.pt # PyTorch
yolov5s.torchscript # TorchScript
yolov5s.onnx # ONNX Runtime or OpenCV DNN with --dnn
yolov5s_openvino_model # OpenVINO
yolov5s.engine # TensorRT
yolov5s.mlmodel # CoreML (macOS-only)
yolov5s_saved_model # TensorFlow SavedModel
yolov5s.pb # TensorFlow GraphDef
yolov5s.tflite # TensorFlow Lite
yolov5s_edgetpu.tflite # TensorFlow Edge TPU
yolov5s_paddle_model # PaddlePaddle
é N)ÚPath)Útqdm)ÚDetectMultiBackend)Ú Callbacks)Úcreate_dataloader)ÚLOGGERÚTQDM_BAR_FORMATÚProfileÚ
check_datasetÚcheck_img_sizeÚcheck_requirementsÚ
check_yamlÚcoco80_to_coco91_classÚcolorstrÚincrement_pathÚnon_max_suppressionÚ
print_argsÚ scale_boxesÚ xywh2xyxyÚ xyxy2xywh)ÚConfusionMatrixÚ ap_per_classÚbox_iou)Úoutput_to_targetÚ plot_imagesÚplot_val_study)Ú
select_deviceÚsmart_inference_modec ó t j |¦ « g d¢ }| ¦ « D ]Ø^ }}}t t j |¦ « dd¦ « ¦ « |z d¦ « ¦ « }|r|g|¢|R n|g|¢R } t |d¦ « 5 }
|
dt | ¦ « z ¦ « | z dz ¦ « d d d ¦ « n # 1 swxY w Y Ùd S )N)é r r r r é éÿÿÿÿÚaz%g ú
) ÚtorchÚtensorÚtolistr ÚviewÚopenÚwriteÚlenÚrstrip) ÚprednÚ save_confÚshapeÚfileÚgnÚxyxyÚconfÚclsÚxywhÚlineÚfs ú2/home/iml/Desktop/Talha/YOLOV5_Model/yolov5/val.pyÚ save_one_txtr9 2 sW å eÑ Ô \\\Ô *BØ !LLNNð @ð @ÑtSÝ%, tÑ,Ô,×1Ò1°!°QÑ7Ô7Ñ8Ô8¸2Ñ=×CÒCÀBÑGÔG×NÒNÑPÔPØ%.Ð@Ð!dÐ!DÐ!Ð!Ð!°S°L¸4°L°LÝ
$__ð @ Ø
GGUS YYÑ&×.Ò.Ñ0Ô0°4Ñ7¸$Ñ>Ñ ?Ô ?Ð ?ð @ð @ð @ñ @ô @ð @ð @ð @ð @ð @ð @øøøð @ð @ð @ð @øð@ð @s Â4>C>Ã>D ÄD c
ó |j ¦ « rt |j ¦ « n|j }t | d d
d d
f ¦ « }|d d
d d
fxx |d d
dd
f dz z cc< t | ¦ « | ¦ « ¦ « D ]V\ }}| ||t |d ¦ « d |D ¦ « t |d d¦ « d¦ « Wd S )Nr! é é c ó. g | ]}t |d ¦ « S )é )Úround©Ú.0Úxs r8 ú
<listcomp>z!save_one_json.<locals>.<listcomp>E s Ð,Ð,Ð, QU1a[[Ð,Ð,Ð,ó )Úimage_idÚ category_idÚbboxÚscore)ÚstemÚ isnumericÚintr Úzipr' Úappendr? )r- ÚjdictÚpathÚ class_maprE ÚboxÚpÚbs r8 Ú
save_one_jsonrT < s à!%¤×!4Ò!4Ñ!6Ô!6ÐEs49~~~¸D¼IHÝ
E!!!RaR%LÑ
!Ô
!CØ2A2JJJ#aaae*q.Ñ JJJÝELLNN C§J¢J¡L¤LÑ1Ô1ð &ð &1Ø
Ø Ø$¥S¨¨1¬¡Y¤YÔ/Ø,Ð,¨!Ð,Ñ,Ô,Ý1Q4 ^^ð %ð %ñ &ô &ð &ð &ð&ð &rD c ól t j | j d |j d f¦ « t ¦ « }t |dd
dd
f | dd
dd
f ¦ « }|dd
dd
f | dd
df k }t
t |¦ « ¦ « D ]i}t j ||| k |z ¦ « }|d j d r1t j
t j |d¦ « ||d |d f dd
df fd¦ « ¦ «
¦ « }|d j d dk r
||dd
df ¦ « ddd
}|t j |dd
df d¬ ¦ « d }|t j |dd
df d¬ ¦ « d }d||dd
df t ¦ « |f< kt j |t j |j ¬
¦ « S ) zì
Return correct prediction matrix.
Arguments:
detections (array[N, 6]), x1, y1, x2, y2, conf, class
labels (array[M, 5]), class, x1, y1, x2, y2
Returns:
correct (array[N, 10]), for 10 IoU levels
r Nr r! r< r; r" T)Ú return_index©ÚdtypeÚdevice)ÚnpÚzerosr/ ÚastypeÚboolr Úranger+ r% ÚwhereÚcatÚstackÚcpuÚnumpyÚargsortÚuniquerK r& rY ) Ú
detectionsÚlabelsÚiouvÚcorrectÚiouÚ
correct_classÚirB Úmatchess r8 Ú
process_batchrn I s õ h
Ô(¨Ô+¨T¬Z¸¬]Ð;Ñ<Ô<×CÒCÅDÑIÔIGÝ
&ABB- ¨A¨A¨A¨r°¨r¨EÔ!2Ñ
3Ô
3CØ111a c6N j°°°°A°Ô&6Ò6MÝ
3t99Ñ
Ô
ð 9ñ 9Ý K Q¤ ¨=Ñ8Ñ 9Ô 9Ø Q4:a=ñ 9Ýi¥¤¨Q°Ñ!2Ô!2°C¸¸!¼¸aÀ¼d¸
´OÀAÀAÀAÀtÀGÔ4LÐ MÈqÑQÔQ×UÒUÑWÔW×]Ò]Ñ_Ô_GØtz!}qÒ Ð Ø! '¨!¨!¨!¨Q¨$¤-×"7Ò"7Ñ"9Ô"9¸$¸$¸B¸$Ô"?Ô@Ø!¥"¤)¨G°A°A°A°q°D¬MÈÐ"MÑ"MÔ"MÈaÔ"PÔQà!¥"¤)¨G°A°A°A°q°D¬MÈÐ"MÑ"MÔ"MÈaÔ"PÔQØ48GGAAAqDM×(Ò(Ñ-Ô-¨qÐ0Ñ 1ùÝ <¥u¤z¸$¼+Ð FÑ FÔ FÐFrD é é çü©ñÒMbP?ç333333ã?é, ÚvalÚ é Fúruns/valÚexpTc ó< cd |d u} | rht | ¦ « ¦ « j dddf\ }} } } ||j dk z }|r| ¦ « n| ¦ « nÜt
||¬¦ « }t t |¦ « |z |¬¦ « }|
r|dz n| dd¬¦ « t |||| |¬¦ « }|j |j |j
|j f\ } } } } t || ¬ ¦ « }|j }| r|j }n(|j }| s | s d
}t% j d | d | d
¦ « t) | ¦ « } | ¦ « |j dk }!t- | d¦ « t0 ¦ « o(| d dt4 j d¦ « }"|
rd
nt9 | d ¦ « }#t; j ddd|¬¦ « }$|$ ¦ « }%| s| r'|
s%|j j! }&|&|#k sJ | d|& d|# d¦ « | " | rd
n|d||f¬¦ « |dk rd nd| f\ }'}(|d v r|nd}tG | | ||| |
|'|(| tI | d ¦ « ¬ ¦ « d }d ctK |#¬!¦ « })tM |d"¦ « r|j' n |j( j' }*t- |*tR tT f¦ « r tW tY |*¦ « ¦ « }*|"rt[ ¦ « ntS t] d#¦ « ¦ « }+d$d%z },d&\
}-}.}/}0}1}2}3}4}5}6t_ |¬¦ « t_ |¬¦ « t_ |¬¦ « f}7t; j0 d|¬¦ « }8g g g g f\ }9}:};}<| 1 d'¦ « te ||,tf ¬(¦ « }=tY |=¦ « D ]~\ }>\ }?d}@}A| 1 d)¦ « |7d 5 |!r,|? 4 |d¬*¦ « }?d 4 |¦ « d|r|? ¦ « n|? ¦ « }?|?d+z }?|?j5 \ }B}C}D}Ed d d ¦ « n # 1 swxY w Y |7d
5 |r ||?¦ « n ||?| ¬,¦ « d f\ }F}Gd d d ¦ « n # 1 swxY w Y |r|8 ||Gd¦ « d
z
}8dd d
d-d
fxx t; j6 |E|D|E|Df|¬¦ « z cc< |rdfd.t] |B¦ « D ¦ « ng }H|7d- 5 to |F|||Hd|
|¬/¦ « }Fd d d ¦ « n # 1 swxY w Y tY |F¦ « D ]\ }I}Jddd d
d f |Ik d
d
f }K|Kj5 d |Jj5 d }M}Lt |@|I ¦ « |A|I d }O}Nt; j0 |M|%t: j8 |¬0¦ « }Pcd
z
c|Md k r_|Lr\|: 9 |Pgt; j0 d1|¬¦ « ¢|Kd d
d f R ¦ « |r!|) : d |Kd d
d f ¬2¦ « é|
r d |Jd d
d3f< |J ; ¦ « }Qty |?|I j5 d
d
|Qd d
d d4
f |O|A|I d
¦ « |Lrt{ |Kd d
d
d3
f ¦ « }Rty |?|I j5 d
d
|R|O|A|I d
¦ « t; j> |Kd d
d d
f |Rfd
¦ « }Stu |Q|S|$¦ « }P|r|) : |Q|S¦ « |: 9 |P|Jd d
d4f |Jd d
d3f |Kd d
d f f¦ « |
r;|dz dd¬¦ « t |Q||O|dz |Nj@ d5z ¬6¦ « |rt |Q|9|N|+¦ « | 1 d7|J|Q|N|*|?|I ¦ « |rG|>dk rAt
|?d|@|d8|> d9z |*¦ « t
|?t |F¦ « |@|d8|> d:z |*¦ « | 1 d;|>|?d|@|A|F¦ « d< t |: D ¦ « }:t |:¦ « r¤|:d F ¦ « rt |:|||*d=\ }-}.}/}0}1};}<|;d d
d f |; H d
¦ « };}5|/ H ¦ « |0 H ¦ « |5 H ¦ « |; H ¦ « f\ }2}3}4}6t jJ |:d K t8 ¦ « |#¬>¦ « }Td?}Ut% j |Ud@c|T L ¦ « |2|3|4|6fz ¦ « |T L ¦ « d k rt% jM dA| dB¦ « | s|#dCk rn| sl|#d
k rft |:¦ « rWtY |<¦ « D ]G\ }V}Wt% j |U|*|W c|T|W |/|V |0|V |5|V |;|V fz ¦ « HtU cfdD|7D ¦ « ¦ « }X| s |d||f}Ot% j dE|O |Xz ¦ « |rU|) N |tS |* O ¦ « ¦ « ¬F¦ « | 1 dG|T|-|.|/|0|1|;|5|<|)¦ « |rùt |9¦ « ré|1t t- |tR ¦ « r|d n|¦ « j@ ndH}Yt1 t dI¦ « ¦ « }Zt4 jP Q |Z¦ « s't4 jP R | dJ dKdL¦ « }Zt1 ||Y dMz ¦ « }[t% j dN|[ dO¦ « t§ |[dP¦ « 5 }\t© jU |9|\¦ « d d d ¦ « n # 1 swxY w Y t dQ¦ « d dRlWmX}] d dSlYmZ}^ |]|Z¦ « }_|_ [ |[¦ « }J |^|_|JdT¦ « }`|"r dU |j\ j] D ¦ « |`j^ __ |` ` ¦ « |` a ¦ « |` b ¦ « |`jc d d-
\ }6}4n.# tÈ $ r!}at% j dV|a ¦ « Y d }a~and }a~aww xY w| ¦ « | sc|
r8dWt tS | e dX¦ « ¦ « ¦ « dY|dz ndH},t% j dZtI d[|¦ « |, ¦ « t j0 |#¦ « |6z }btY |<¦ « D ]\ }V}W|;|V |b|W< |2|3|4|6g|8 f ¦ « t |¦ « z g ¦ « ¢R |b|XfS )\NTFrb )Ú
batch_size)Úexist_okrg )Úparentsr{ )rY ÚdnnÚdataÚfp16)Úsr z-Forcing --batch-size 1 square inference (1,3,ú,z) for non-PyTorch modelsrt Úcocoz val2017.txtÚncg à?gffffffî?é
)rY z (z< classes) trained on different --data than what you passed (zV classes). Pass correct combination of --weights and --data that are trained together.r> )ÚimgszÚspeed)ç F©Útrainrt Útestz: )ÚpadÚrectÚworkersÚprefixr )r Únamesiè z %22s%11s%11s%11s%11s%11s%11s)ÚClassÚImagesÚ InstancesÚPÚRÚmAP50zmAP50-95)
r r r r r r r r r r Ú on_val_start)ÚdescÚ
bar_formatÚon_val_batch_start)Ú non_blockingéÿ )Úaugmentr; c óD g | ] }d d
df |k dd
f S )Nr r © )rA rl Útargetss r8 rC zrun.<locals>.<listcomp>Û s8 ø Ð
AÐ
AÐ
A°!ggaaa dm qÒ(¨!¨"¨"Ð,Ô-Ð
AÐ
AÐ
ArD )rg Ú multi_labelÚagnosticÚmax_detrW )r; r )rf rg r< r! ú.txt)r0 Úon_val_image_endÚ val_batchz _labels.jpgz _pred.jpgÚon_val_batch_endc ó g | ];}t j |d ¦ « ¦ « ¦ « <S )r )r% r` rb rc r@ s r8 rC zrun.<locals>.<listcomp> s: Ð @Ð @Ð @¨qUYq!__×
Ò
Ñ
"Ô
"×
(Ò
(Ñ
*Ô
*Ð @Ð @Ð @rD )ÚplotÚsave_dirr )Ú minlengthz$%22s%11i%11i%11.3g%11.3g%11.3g%11.3gÚallu" WARNING â ï¸ no labels found in z, set, can not compute metrics without labelsé2 c 3 ó2 K | ]}|j z d z V dS )g @@N)Út)rA rB Úseens r8 ú <genexpr>zrun.<locals>.<genexpr>' s. øè è Ð
+Ð
+ 1acDj3Ñ Ð
+Ð
+Ð
+Ð
+Ð
+Ð
+rD zKSpeed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape )r© r Ú
on_val_endru z3../datasets/coco/annotations/instances_val2017.jsonrO Ú annotationszinstances_val2017.jsonz_predictions.jsonz&
Evaluating pycocotools mAP... saving ú...Úwzpycocotools>=2.0.6)ÚCOCO)ÚCOCOevalrG c óP g | ]#}t t |¦ « j ¦ « $S r )rK r rI r@ s r8 rC zrun.<locals>.<listcomp>E s( Ð%]Ð%]Ð%]¸A¥c$¨q©'¬'¬,Ñ&7Ô&7Ð%]Ð%]Ð%]rD zpycocotools unable to run: r$ z labels/*.txtz labels saved to zResults saved to Úbold)hÚnextÚ
parametersrY ÚtypeÚhalfÚfloatr r r Úmkdirr ÚstrideÚptÚjitÚenginer r rz r Úinfor ÚevalÚ
isinstanceÚgetÚstrÚendswithÚosÚseprK r% ÚlinspaceÚnumelÚmodelr Úwarmupr r r Úhasattrr ÚmoduleÚlistÚtupleÚdictÚ enumerater r^ r
r[ Úrunr r Útor/ r& r r] rM rn Úcloner r r` r9 rI rT r r rL r+ Úanyr ÚmeanrZ Úbincountr\ ÚsumÚwarningr¨ ÚvaluesrO ÚexistsÚjoinr) ÚjsonÚdumpr
Úpycocotools.cocorµ Úpycocotools.cocoevalr¶ ÚloadResÚdatasetÚim_filesÚparamsÚimgIdsÚevaluateÚ
accumulateÚ summarizeÚstatsÚ ExceptionÚglobrb r' )er~ Úweightsrz r
Ú
conf_thresÚ iou_thresr¢ ÚtaskrY r Ú
single_clsr ÚverboseÚsave_txtÚ save_hybridr. Ú save_jsonÚprojectÚnamer{ r¼ r} rÍ Ú
dataloaderr© ÚplotsÚ callbacksÚ compute_lossÚtrainingrÀ rÁ r r¿ ÚcudaÚis_cocor rh ÚniouÚncmr r Úconfusion_matrixr rP r ÚtpÚfprR ÚrÚf1ÚmpÚmrÚmap50Úap50ÚmapÚdtÚlossrN rì ÚapÚap_classÚpbarÚbatch_iÚimÚpathsÚshapesÚnbÚ_ÚheightÚwidthÚpredsÚ train_outÚlbÚsiÚpredrg ÚnlÚnprrO r/ ri r- ÚtboxÚlabelsnÚntÚpfrl Úcr® r´ Ú anno_jsonÚ pred_jsonr7 rµ r¶ ÚannorÄ ÚeÚmapsr¯ r se @@r8 rÕ rÕ c sc øø ð@ DÐ HØð #Ý"& u×'7Ò'7Ñ'9Ô'9Ñ":Ô":Ô"AÀ4ÈÐPUÐ"UÑ CØ uÒ$Ñ$Ø Ð/
%§+¢+¡-¤-øøå v°*Ð=Ñ=Ô=õ "¥$ w¡-¤-°$Ñ"6ÀÐJÑJÔJØ (Ð 6HÑ Ð ¨h×=Ò=ÀdÐUYÐ=ÑZÔZÐZõ # 7°6¸sÈÐTXÐYÑYÔYØ"'¤,°´¸%¼)ÀUÄ\Ð"QÑ CÝ u¨Ð/Ñ/Ô/ØzØ ð uØ Ô)JJà\FØð
u#ð
uØ
Ý Ð sÈEÐ sÐ sÐTYÐ sÐ sÐ sÑtÔtÐtõ TÑ"Ô"ð
JJLLLØ ;%Ò DÝ % #Ñ.Ô.Ðc°4¸´;×3GÒ3GÐHbÍrÌvÐHbÐHbÐHbÑ3cÔ3cGØÐ -c $ t¤*ooBÝ >#t R°Ð 7Ñ 7Ô 7DØ ::<<Dð ð HØ
ð wjð wØ+.CØ"999 ð wð w¨Cð wð wÐmoð wð wð w999à
Ð 3AA¨°Q¸¸uÐE ÑFÔFÐFØ$(¨G¢O OLL¸#¸r¸ TØÐ 7Ð7Ð7tt¸UÝ& t¨D¤zØ',Ø'1Ø'-Ø'1Ø+.Ø,0Ø/6Ý.6¸$°{°{°{Ñ.CÔ.CðEñ Eô Eð FGôH
ð
DÝ&¨"Ð-Ñ-Ô-ÐÝ" 5¨'Ñ2Ô2Ð JEKK¸¼ Ô8JEÝ%$¥ Ñ'Ô'ð 'ÝYuÑ%Ô%Ñ&Ô&Ø,3ÐJÕ&Ñ(Ô(Ð(½½eÀD¹k¼kÑ9JÔ9JIØ Ð _Ñ_AØ1aÑ.BAq"b"e T¨3Ý Ð Ñ Ô ¥°Ð!7Ñ!7Ô!7½ÈÐ9OÑ9OÔ9OÐ OBÝ ;q Ð (Ñ (Ô (DØ!# R¨¨R Ñ E5"hØ
MM.Ñ!Ô!Ð!Ý
Ð ?Ñ ?Ô ?DÝ1:¸4± ´ ð JVñ JVÑ-Ñ-"gu fØ
Ð*Ñ+Ô+Ð+Ø
Uð ,ð ,Øð
-ØUU6°UÑ5Ô5Ø!** VÑ,Ô,Ø "Ð2¨¯ª©
¬
BØ #IBØ#%¤8Ñ B65ð
,ð ,ð ,ñ ,ô ,ð ,ð ,ð ,ð ,ð ,ð ,øøøð ,ð ,ð ,ð ,ð Uð að aØ,8Ð `uu Ryyy¸u¸uÀRÐQXÐ?YÑ?YÔ?YÐ[_Ð>`Ñ E9ð að að añ aô að að að að að að aøøøð að að að að ð 8Ø LL ¨GÑ4Ô4°QÔ7Ñ 7Dð 122%,¨¨v°u¸fÐ'EÈfÐUÑUÔUÑUØEPÐ
XÐ
AÐ
AÐ
AÐ
Aµu¸R±y´yÐ
AÑ
AÔ
AÐ
AÐVXØ
Uð 9ð 9Ý'¨Ø(2Ø(1Ø/1Ø48Ø1;Ø07ð
9ñ 9ô 9Eð 9ð 9ð 9ñ 9ô 9ð 9ð 9ð 9ð 9ð 9ð 9øøøð 9ð 9ð 9ð 9õ " %Ñ(Ô(ð $ Pñ $ PHBØ W Q Q Q¨ T]¨bÒ 0°!°"°"Ð 4Ô5FØ l 1o t¤z°!¤}BÝ u Ry//¨6°"¬:°a¬=%DÝk # tµ5´:ÀfÐMÑMÔMGØ AIDàaxxØð ]ØLL 'Ð!]E¬K¸ÀvÐ,NÑ,NÔ,NÐ!]ÐPVÐWXÐWXÐWXÐZ[ÐW[ÔP\Ð!]Ð!]Ñ^Ô^Ð^Ø ð ]Ø(×6Ò6À$ÈvÐVWÐVWÐVWÐYZÐVZÌ|Ð6Ñ\Ô\Ð\Øð ð
Ø QQQT
ØJJLLEÝ 2 Q R RÔ(¨%°°°°2°A°2°¬,¸¸vÀb¼zÈ!¼}Ñ MÔ MÐ Mð ð
CÝ ¨¨¨¨1¨Q¨3¨¤ Ñ0Ô0ÝBrFL¨¨¨Ô ,¨d°E¸6À"¼:Àa¼=ÑIÔIÐIÝ ) V¨A¨A¨A¨q°¨s¨F¤^°TÐ$:¸AÑ>Ô>Ý'¨¨w¸Ñ=Ô=Øð CØ$×2Ò2°5¸'ÑBÔBÐBØ LL' 4¨¨¨¨1¨¤:¨t°A°A°A°q°D¬z¸6À!À!À!ÀQÀ$¼<ÐHÑ IÔ IÐ Ið ð
eØHÑ$×+Ò+°DÀ4Ð+ÑHÔHÐHÝ U I¨u¸8ÀhÑ;NÐTXÔT]ÐQcÐQcÐQcÑ;cÐdÑdÔdÐdØð
=Ý e U¨D°)Ñ<Ô<Ð<Ø MMÐ,¨d°E¸4ÀÈÈ2ÌÑ OÔ OÐ OÑ Oð ð nWq[[Ý G U¨HÐ7WÀ7Ð7WÐ7WÐ7WÑ,WÐY^Ñ _Ô _Ð _Ý Õ ,¨UÑ 3Ô 3°U¸HÐGeÐSZÐGeÐGeÐGeÑ<eÐglÑ mÔ mÐ mà
Ð(¨'°2°wÀÀvÈuÑUÔUÐUÑUð
AÐ @µC¸°KÐ @Ñ @Ô @EÝ
5zzð HeAhllnnð HÝ)5°uÀ5ÐS[ÐchÐ)iÐ)iÐ)iÑ&B1b"hØaaad8RWW QZZbØ VVXX q§v¢v¡x¤x°·²±´¸b¿gºg¹i¼iÐ GÑBsÝ U1X__¥SÑ)Ô)°RÐ 8Ñ 8Ô 8Bð
,BÝ
KeT 2§6¢6¡8¤8¨R°°U¸CÐ@Ñ@ÑAÔAÐAØ vvxx1}}ÝÐn¸DÐnÐnÐnÑoÔoÐoð ð RBGG HG°2¸²6°6½cÀ%¹j¼j°6Ý hÑ'Ô'ð Rð RDAqÝ Ke Ah¨¨b°¬e°Q°q´T¸1¸Q¼4ÀÀaÄÈ"ÈQÌ%Ð PÑPÑ QÔ QÐ QÐ Qõ Ð
+Ð
+Ð
+Ð
+¨Ð
+Ñ
+Ô
+Ñ+Ô+AØ ð oØQ uÐ-Ý ÐiÐbgÐiÐiÐlmÑmÑnÔnÐnð
ð `Ø× Ò xµt¸E¿LºL¹N¼NÑ7KÔ7KÐ ÑLÔLÐLØ
l B¨¨B°°1°b¸"¸dÀHÐN^Ñ_Ô_Ð_ð ñ ;SZZñ ;ØOVÐObDz¨'µ4Ñ 8Ô 8ÐE¸gÑ FÔ FÔ KÐ KÐhjÝÐ RÑSÔSÑTÔT Ýw~~iÑ(Ô(ð \Ý T¨&¤\°=ÐBZÑ[Ô[IÝ aÐ#:Ð#:Ð#:Ñ:Ñ;Ô; Ý ÐL¸iÐLÐLÐLÑMÔMÐMÝ
)SÑ
!Ô
!ð QÝ IeQÑ Ô Ð ð ð ð ñ ô ð ð ð ð ð ð øøøð ð ð ð ð ;Ý Ð 3Ñ 4Ô 4Ð 4Ø -Ð -Ð -Ð -Ð -Ð -Ø 5Ð 5Ð 5Ð 5Ð 5Ð 5à4 ??DØ<< Ñ*Ô*DØ8D $¨Ñ/Ô/DØð
^Ø%]Ð%]ÀÔASÔA\Ð%]Ñ%]Ô%] Ô"Ø MMOOOØ OOÑ Ô Ð Ø NNÑ Ô Ð Ø B Q B JCøÝð ;ð ;ð ;Ý KÐ9°aÐ9Ð9Ñ :Ô :Ð :Ð :Ð :Ð :Ð :Ð :øøøøð ;øøøð
KKMMMØ ð IØemÐ uÐ aT(--¨Ñ7Ô7Ñ8Ô8Ñ9Ô9Ð aÐ aÈHÐW_ÑL_Ð aÐ aÐ aÐsuÝ ÐG°¸Ñ(BÔ(BÐGÀAÐGÐGÑHÔHÐHÝ
8B<<#Ñ DÝ(Ñ#Ô#ð ð 1ØQ%QØ E3Ð I $§(¢(¡*¤*s°:©¬Ñ">×!FÒ!FÑ!HÔ!HÐ IÐ IÈ4ÐQRÐ RÐRsb Ï4A*Q*Ñ*Q. Ñ1Q. Ñ= R)Ò)R- Ò0R- Ô UÕU Õ
U în;î;n?ïn?ïB8r ò
r+ò
r&ò&r+c óî t j ¦ « } | dt t dz d¬¦ « | ddt t dz d¬ ¦ « | d
t
d d ¬¦ « | d
ddt
dd¬¦ « | dt dd¬¦ « | dt dd¬¦ « | dt
dd¬¦ « | dd d ¬ ¦ « | d d d!¬ ¦ « | d"t
d#d$¬¦ « | d%d&d'¬(¦ « | d)d&d*¬(¦ « | d+d&d,¬(¦ « | d-d&d.¬(¦ « | d/d&d0¬(¦ « | d1d&d2¬(¦ « | d3d&d4¬(¦ « | d5t d6z d7¬ ¦ « | d8d9d7¬ ¦ « | d:d&d;¬(¦ « | d<d&d=¬(¦ « | d>d&d?¬(¦ « | ¦ « }t |j ¦ « |_ |xj
|j d@¦ « z c_
|xj |j
z c_ t t |¦ « ¦ « |S )ANz--datazdata/coco128.yamlzdataset.yaml path)r» ÚdefaultÚhelpz --weightsú+z
yolov5s.ptz
model path(s))Únargsr» r, r- z --batch-sizero z
batch sizez--imgszz--imgz
--img-sizerp zinference size (pixels)z --conf-thresrq zconfidence thresholdz --iou-thresrr zNMS IoU thresholdz --max-detrs z maximum detections per imagez--taskrt z train, val, test, speed or study)r, r- z--deviceru z%cuda device, i.e. 0 or 0,1,2,3 or cpuz --workersrv z-max dataloader workers (per RANK in DDP mode)z --single-clsÚ
store_truez treat as single-class dataset)Úactionr- z --augmentzaugmented inferencez --verbosezreport mAP by classz
--save-txtzsave results to *.txtz
--save-hybridz-save label+prediction hybrid results to *.txtz --save-confz%save confidences in --save-txt labelsz --save-jsonz save a COCO-JSON results filez --projectrw zsave to project/namez--namerx z
--exist-okz*existing project/name ok, do not incrementz--halfz!use FP16 half-precision inferencez--dnnz!use OpenCV DNN for ONNX inferencez coco.yaml)ÚargparseÚArgumentParserÚ add_argumentrÇ ÚROOTrK r½ Ú
parse_argsr r~ r÷ rÈ rõ rö r Úvars)ÚparserÚopts r8 Ú parse_optr: X s
Ý
Ô
$Ñ
&Ô
&FØ
×Ò¥sµDÐ;NÑ4NÐUhÐÑiÔiÐiØ
×Ò ¨3µSÅ$È ÑBUÐ\kÐÑlÔlÐlØ
×ÒS¸"À<ÐÑPÔPÐPØ
×Ò 7¨L½sÈCÐVoÐÑpÔpÐpØ
×ÒU¸EÐH^ÐÑ_Ô_Ð_Ø
×Ò
E¸3ÐEXÐÑYÔYÐYØ
×Ò #°sÐA_ÐÑ`Ô`Ð`Ø
×Ò¨%Ð6XÐÑYÔYÐYØ
×Ò
¨BÐ5\ÐÑ]Ô]Ð]Ø
×Ò #°qÐ?nÐÑoÔoÐoØ
×Ò¨|ÐBaÐÑbÔbÐbØ
×Ò ¨LÐ?TÐÑUÔUÐUØ
×Ò ¨LÐ?TÐÑUÔUÐUØ
×Ò ¨\Ð@WÐÑXÔXÐXØ
×Ò° ÐCrÐÑsÔsÐsØ
×Ò
¨lÐAhÐÑiÔiÐiØ
×Ò
¨lÐA`ÐÑaÔaÐaØ
×Ò T°JÑ->ÐE[ÐÑ\Ô\Ð\Ø
×Ò¨%Ð6LÐÑMÔMÐMØ
×Ò ¨\Ð@lÐÑmÔmÐmØ
×Ò¨ Ð<_ÐÑ`Ô`Ð`Ø
×Ò¨ Ð;^ÐÑ_Ô_Ð_Ø
×
Ò
Ñ
Ô
CÝ#(Ñ#Ô#CHØMMSX×&Ò& {Ñ3Ô3Ñ3MMØLLCOÑ#LLÝtCyyÑÔÐØ JrD c ó t t dz d¬¦ « | j dv r^| j dk r t j d| j d¦ « | j rt j d¦ « t d i t | ¦ « ¤ d S t | j
t ¦ « r| j
n| j
g}t j
¦ « o
| j d k | _ | j d
k r>d \ | _ | _ | _ |D ]$| _
t d i t | ¦ « ¤d d
i¤ %d S | j dk r|D ]Ø| _
dt' | j ¦ « j dt' | j
¦ « j d}t t- ddd¦ « ¦ « g }}|D ]`| _ t j d| d| j d¦ « t d i t | ¦ « ¤d d
i¤\ }}}| ||z ¦ « at3 j ||d¬¦ « Ùt7 j g d¢¦ « t9 |¬¦ « d S t; d | j d ¦ « ) Nzrequirements.txt)Ú tensorboardÚthop)Úexcluder rq u$ WARNING â ï¸ confidence threshold z! > 0.001 produces invalid resultsu` WARNING â ï¸ --save-hybrid will return high mAP from hybrid labels, not from predictions alonerb r )g Ð?gÍÌÌÌÌÌÜ?Frû FÚstudyÚstudy_r r£ é i é z
Running z --imgsz r³ z%10.4g)Úfmt)rL z-rz study.zipz study_*.txt)rB z--task z2 not in ("train", "val", "test", "speed", "study")r ) r
r5 rò rð r rà rö rÕ r7 rÅ rï rÑ r% rÿ Ú is_availablerY r¼ rñ r÷ r r~ rI r^ r
rM rZ ÚsavetxtÚ
subprocessr ÚNotImplementedError)r9 rï r7 rB Úyr r r® s r8 ÚmainrI x s} ÝtÐ 0Ñ0Ð:QÐRÑRÔRÐRà
xÐ+Ð+Ð+Ø >EÒ !Ð !Ý KÐp¸s¼~ÐpÐpÐpÑ qÔ qÐ qØ ?ð |Ý KÐzÑ {Ô {Ð {Ý ÐÐd3iiÐÐÐÐÐõ ",¨C¬K½Ñ!>Ô!>ÐQ#++ÀSÄ[ÀMÝ:×*Ò*Ñ,Ô,ÐD°´¸uÒ1DØ 8wÒ Ð à;LÑ 8CNCM¨3¬=Ø &ð
.ð
. ÝÐ-Ð-d3iiÐ-Ð- uÐ-Ð-Ð-Ð-Ð-ð
.ð
.ð XÒ
Ñ
à &ð
/ð
/ ØOT #¤(^^Ô 0ÐOÐOµ4¸¼ Ñ3DÔ3DÔ3IÐOÐOÐOÝE # z°3Ñ 7Ô 7Ñ8Ô8¸"1Ø!"ð $ð $CIÝKÐ G¨QÐ GÐ G¸¼Ð GÐ GÐ GÑHÔHÐHÝ !Ð ;Ð ;¥D¨¡I¤IÐ ;Ð ;°UÐ ;Ð ;Ð ;GAq!ØHHQ UOOOOÝ
1a XÐ.Ñ.Ô.Ð.Ð.Ý NÐDÐDÐDÑ EÔ EÐ EÝ QÐ Ñ Ô Ð Ð Ð å%Ð&l°´Ð&lÐ&lÐ&lÑmÔmÐ mrD Ú__main__)?Ú__doc__r2 rà rÉ rF ÚsysÚpathlibr rc rZ r% r Ú__file__ÚresolveÚFILEr| r5 rÇ rO rM ÚrelpathÚcwdÚ
models.commonr Úutils.callbacksr Úutils.dataloadersr Ú
utils.generalr r r
r r r
r r r r r r r r r Ú
utils.metricsr r r Ú utils.plotsr r r Úutils.torch_utilsr r r9 rT rn rÕ r: rI Ú__name__r9 r rD r8 ú<module>r[ so ððð ð( Ø Ø Ø Ð Ð Ð Ø
Ø Ð Ð Ð Ð Ð à Ð Ð Ð Ø Ø Ð Ð Ð Ð Ð à tH~~× Ò Ñ Ô Ø |AØ3t99CHÐ Ð ØHOOCCIIÑ Ô Ð Ø tBGOOD ( $¤(¡*¤*Ñ -Ô -Ñ.Ô.à ,Ð ,Ð ,Ð ,Ð ,Ð ,Ø %Ð %Ð %Ð %Ð %Ð %Ø /Ð /Ð /Ð /Ð /Ð /ðJð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð Jð AÐ @Ð @Ð @Ð @Ð @Ð @Ð @Ð @Ð @Ø EÐ EÐ EÐ EÐ EÐ EÐ EÐ EÐ EÐ EØ AÐ AÐ AÐ AÐ AÐ AÐ AÐ Að@ð @ð @ð
&ð
&ð
&ðGð Gð Gð4 ÐÑÔð ØØØØØØ
ØØØØØØØØØØzÑ!Ø
ØØ
Ø ØØØbØØ)++Øð9qSð qSð qSñ ÔðqSðh ð ð ð@ nð nð nðF zÒÐØ
)++CØDIIIIIð ÐrD