本地建站教程,大方网站制作,怎样自己做商场网站,河北网站建设seo优化制作设计一、说明 欢迎来到我们每周的FiftyOne提示和技巧博客#xff0c;我们回顾了最近在Slack#xff0c;GitHub#xff0c;Stack Overflow和Reddit上弹出的问题和答案。FiftyOne是一个开源机器学习工具集#xff0c;使数据科学团队能够通过帮助他们策划高质量数据集、评估模型、… 一、说明 欢迎来到我们每周的FiftyOne提示和技巧博客我们回顾了最近在SlackGitHubStack Overflow和Reddit上弹出的问题和答案。FiftyOne是一个开源机器学习工具集使数据科学团队能够通过帮助他们策划高质量数据集、评估模型、查找错误、可视化嵌入。 二、什么是FifthOne FiftyOne 是一个开源机器学习工具集使数据科学团队能够通过帮助他们策划高质量数据集、评估模型、查找错误、可视化嵌入并更快地投入生产来提高其计算机视觉模型的性能。 如果你喜欢在GitHub上看到的内容给这个项目加一颗星。开始吧我们使几分钟内启动和运行变得容易。加入 FiftyOne Slack 社区我们总是很乐意提供帮助。 好的让我们深入了解本周的提示和技巧 三、省略检测实例很少的类 社区松弛成员西尔维娅施密特问道 “当按特定字段中的值对样本进行分组时我想省略具有数据集中很少出现的值的样本。怎么能做到这一点呢 实现此目的的一种方法是使用来获取整个 or 对象中给定字段中每个唯一值的出现次数的计数获取比所需截止值更频繁出现的值并使用该方法获取包含这些值的样本。count_values()DatasetDatasetViewmatch() 例如如果要从“野生家庭”数据集的测试拆分中获取值在数据集中出现十次以上的样本则可以执行以下操作name import fiftyone as fo
import fiftyone.zoo as foz
from fiftyone import ViewField as F## load the dataset
dataset foz.load_zoo_dataset(fiw, splittest)counts dataset.count_values(name)
keep_names [name for name, count in counts.items() if count 10]## filter for samples with these names
view dataset.match(F(name).is_in(keep_names))session fo.launch_app(view) 名称在“野生家庭”数据集中出现十次以上的图像。 然后您可以将此生成的视图传递到按字段中的值或所需的任何其他聚合进行分组。group_by() 在 FiftyOne 文档中了解有关 count_values、is_in 和使用聚合的更多信息。 四、保存对示例字段所做的更改 社区松弛成员西尔维娅施密特问道 “在添加示例字段以及稍后在视图中更改这些值时是否必须通过调用数据集对象来持久进行更改或者如果数据集已经持久化是否会保存这些更改”save() 好问题西尔维娅通常当对 or 中的单个样本进行更改时需要通过调用样本而不是数据集来保存更改。即使数据集是持久性的情况也是如此即如果DatasetDatasetViewsave() dataset.persistent True 例如可以更改快速入门数据集中第一个样本的首次检测的类标签如下所示 import fiftyone as fo
import fiftyone.zoo as foz## load dataset
dataset foz.load_zoo_dataset(quickstart)## get sample
sample dataset.first()## change label
sample.ground_truth.detections[0].label bear## save changes to dataset
sample.save() 仅在编辑数据集级元数据如 .save()dataset.info 但是在某些情况下无需显式运行即可将更改传播回数据集。其中包括方法该方法接收值列表并将这些值写入视图中示例的字段以及将标记添加到视图中所有示例的方法。sample.save()view.set_values(field_name, field_vals)field_valsfield_nameview.tag_samples(tags)tags 如果您知道需要循环访问 or 并对每个示例进行更改而不是调用每个示例则传递 to 对操作进行批处理会更有效。例如要为数据集中的每个样本设置一个带有随机数的字段我们可以运行DatasetDatasetViewsave()autosaveTrueiter_samples()random import random
import fiftyone as fo
import fiftyone.zoo as foz## load dataset
dataset foz.load_zoo_dataset(quickstart)## Automatically saves sample edits in efficient batches
for sample in dataset.select_fields().iter_samples(autosaveTrue):sample[random] random.random() 在 FiftyOne 文档中了解有关 set_values 和标记示例的更多信息。 五、预测齐次图像中的类标签 社区松弛成员乔治·皮尔斯问道 “处理对象的标签与示例中其他对象的标签紧密交织的应用程序的最佳方法是什么例如我可能有一些图像通常是所有猫的人群或者所有狗的人群但不是同时包含猫和狗的人群。 好问题乔治有很多方法可以处理这样的数据。一种方法是积累大量这样的示例并根据这些数据训练模型。给定足够高质量的示例模型应该理论上能够学习这些关系。 作为仅使用现有数据的替代方法您可以根据模型预测的输出对样本中的标签执行后处理。例如如果模型的预测存储在样本的字段中则可以创建新的标签字段并根据该样本的内容填充此新字段的内容。model_rawmodel_processedmodel_raw 对于每个样本检查是否有三个或更多具有相同类标签的对象。为了简单起见我们假设就是这个类。如果有则对于未标记为 s in 的所有对象如果其类置信度分数低于某个阈值则将其类标签设置为 in 。dogdogmodel_rawdogmodel_processed 这可能是这样的 import numpy as np
import fiftyone as fo
import fiftyone.zoo as foz
from fiftyone import ViewField as F## create or load your dataset
dataset fo.Dataset(..)## clone predictions into new field
dataset.clone_sample_field(model_raw, model_processed
)## set a class confidence threshold
conf_thresh 0.3## iterate through samples in dataset
for sample in dataset.iter_samples(autosaveTrue):dets sample.model_processed.detectionslabels [det.label for det in dets]unique_labels, label_counts np.unique(labels, return_countsTrue)## find samples with at least 3 labels of same classif max(label_counts) 2:crowd_label unique_labels[np.argmax(label_counts)]for det in dets:if (det.label ! crowd_label) and (det.confidence conf_thresh):det.label crowd_labeldet.confidence None## tag samples to look at latersample.tags.append(possible homogeneous crowd) 然后您可以比较这些已处理模型预测与原始预测不同的标记样本并在 FiftyOne 应用程序中对其进行检查。 在 FiftyOne 文档中了解有关保存、保留和克隆示例字段的更多信息。 六、匹配分类结果 社区松弛成员纳达夫问道 “我有一个有两种分类的数据集。在代码或应用中创建仅包含两个分类一致的示例的视图的最佳方法是什么 在代码中执行此操作的一种方法是使用 FiftyOne 的内置筛选和匹配功能。该方法将返回一个视图其中包含条件为 true 的所有样本。dataset.match(my_condition)my_condition 在您的情况下您可以使用 ViewField 在两个分类之间创建协议条件。下面是它的外观 import fiftyone as fo
import fiftyone.zoo as foz
from fiftyone import ViewField as F# create or load your dataset with
# classifications in field1 and field2dataset fo.Dataset(...)
view dataset.match(F(field1.label) F(field2.label)
)session fo.launch_app(view) 如果您想要一个包含两个分类不对齐的所有样本的视图则可以将相等运算符替换为不等式运算符。! 在 FiftyOne 文档中了解有关筛选的更多信息。 七、关闭会话 社区松弛成员斯科特问道“如何断开启动的会话” 在 FiftyOne 中会话是连接到特定或 的 FiftyOne 应用程序的实例。您可以使用以下方法启动特定数据集或视图的会话DatasetDatasetViewlaunch_app() import fiftyone as fo
import fiftyone.zoo as foz## load dataset
dataset foz.load_zoo_dataset(quickstart)## launch one session
session1 fo.launch_app(dataset)## create a view
view dataset.take(20)## launch another session
session2 fo.launch_app(view) 您还可以通过以下方式查看所有已注册的会话fo.core.session.session._subscribed_sessions defaultdict(set,{5151: {Dataset: quickstartMedia type: imageNum samples: 20Selected samples: 0Selected labels: 0Session URL: http://localhost:5151/View stages:1. Take(size20, seedNone),Dataset: quickstartMedia type: imageNum samples: 20Selected samples: 0Selected labels: 0Session URL: http://localhost:5151/View stages:1. Take(size20, seedNone)}}) 当您终止运行 FiftyOne 的 Python 进程时所有会话都将关闭因此通常不需要显式关闭会话。 但是如果您想随时终止会话则可以使用私有方法执行此操作_unregister_session() from fiftyone.core.session.session import _unregister_session
_unregister_session(session1) 在 FiftyOne 文档中了解有关会话的更多信息包括如何在远程计算机上启动多个应用程序实例。 八、加入五十一社区 加入已经使用FiftyOne解决当今计算机视觉中一些最具挑战性问题的数千名工程师和数据科学家的行列 1,350 FiftyOne Slack members2,550 stars on GitHub3,200 Meetup membersUsed by 246 repositories56 contributors 九、下一步是什么 如果你喜欢在GitHub上看到的内容给这个项目加一颗星。开始吧我们使几分钟内启动和运行变得容易。加入 FiftyOne Slack 社区我们总是很乐意提供帮助。 雅各布·马克斯
