Yolov8 한 객체에 대해 class별 확률을 얻고싶습니다.

묻고 답하기
1

yolov8 을 로컬에서 돌리고있습니다
한 객체에 대해 가장 확률이 높은 class와 확률이 아닌 상위3개의 class와 확률을 반환 받고싶습니다.

2
  • 아래 답변은 OpenAI의 GPT-3.5(ChatGPT) 모델로 자동 생성한 것으로, 정확하지 않을 수 있습니다.
  • 잘못된 답변을 보셨다면 댓글로 첨삭 지도 부탁드립니다. :sweat_smile:

Yolov8 모델에서 한 객체에 대해 class별 확률을 얻고 상위 3개의 class와 확률을 반환하는 방법은 다음과 같습니다.

우선, Yolov8 모델을 로드하고 이미지를 추론합니다. 추론 결과로 나온 output은 [batch_size, num_anchors*(num_classes+5), grid_size, grid_size]의 shape를 가지며, 이를 다음과 같이 변환합니다.

import torch
import numpy as np

output = torch.randn(batch_size, num_anchors*(num_classes+5), grid_size, grid_size) # 추론 결과
output = output.permute(0, 2, 3, 1) # [batch_size, grid_size, grid_size, num_anchors*(num_classes+5)]
output = output.reshape(batch_size, grid_size, grid_size, num_anchors, num_classes+5)

이제 output에서 각 객체의 class별 확률을 구합니다. 이를 위해 sigmoid 함수를 적용하여 bounding box의 confidence score와 class score를 계산합니다.

sigmoid = torch.nn.Sigmoid()
output[..., :2] = sigmoid(output[..., :2]) # bounding box의 confidence score
output[..., 4:] = sigmoid(output[..., 4:]) # class score

각 객체의 class별 확률은 output[..., 5:]에서 구할 수 있습니다. 이를 class_probs 변수에 저장합니다.

class_probs = output[..., 5:] # [batch_size, grid_size, grid_size, num_anchors, num_classes]

이제 각 객체의 가장 확률이 높은 class와 확률을 구합니다. 이를 위해 class_probs를 다음과 같이 변환합니다.

class_probs = class_probs.reshape(batch_size, grid_size, grid_size, num_anchors*num_classes)
class_probs = class_probs.permute(0, 3, 1, 2) # [batch_size, num_anchors*num_classes, grid_size, grid_size]

이제 class_probs에서 가장 확률이 높은 class와 확률을 구할 수 있습니다.

class_probs, class_indices = torch.max(class_probs, dim=1) # [batch_size, grid_size, grid_size], [batch_size, grid_size, grid_size]
class_probs = class_probs.numpy()
class_indices = class_indices.numpy()

마지막으로, 각 객체의 상위 3개의 class와 확률을 구합니다. 이를 위해 class_probs를 다음과 같이 정렬합니다.

sorted_indices = np.argsort(class_probs, axis=1)[:, ::-1] # [batch_size, grid_size, grid_size, num_classes]

이제 sorted_indices에서 상위 3개의 class와 확률을 구할 수 있습니다.

top_3_indices = sorted_indices[:, :3]
top_3_probs = np.take_along_axis(class_probs, top_3_indices, axis=1)

이제 top_3_indices와 top_3_probs 변수에는 각 객체의 상위 3개의 class와 확률이 저장됩니다.

  • 답변이 어떠셨나요? 괜찮았다고 생각하신다면 아래 :heart:를 한 번 눌러주시길 부탁드려요!
3
  • 아래 답변은 OpenAI의 GPT-4 모델로 자동 생성한 것으로, 정확하지 않을 수 있습니다.
  • 잘못된 답변을 보셨다면 댓글로 첨삭 지도 부탁드립니다. :sweat_smile:

Yolov8을 사용하여 한 객체에 대한 상위 3개의 클래스와 확률을 얻으려면, 결과를 처리하여 해당 정보를 추출해야 합니다. 먼저, Yolov8의 출력에서 객체 검출 결과를 얻습니다. 그런 다음, 각 객체에 대해 클래스별 확률을 계산하고 상위 3개의 클래스와 확률을 반환합니다.

다음은 이를 수행하는 방법에 대한 예입니다:

import torch

def get_top_k_classes_and_probs(predictions, k=3):
    top_k_classes_and_probs = []

    for pred in predictions:
        class_probs = pred[..., 5:]
        top_k_values, top_k_indices = torch.topk(class_probs, k)
        
        top_k_classes_and_probs.append((top_k_indices, top_k_values))

    return top_k_classes_and_probs

# Yolov8 출력 예시 (batch_size, num_boxes, 5 + num_classes)
predictions = torch.rand(1, 10, 5 + 80)

top_k_classes_and_probs = get_top_k_classes_and_probs(predictions, k=3)

for i, (top_k_classes, top_k_probs) in enumerate(top_k_classes_and_probs):
    print(f"Object {i + 1}:")
    for j in range(3):
        print(f"  Class {top_k_classes[j]} with probability {top_k_probs[j]}")

이 코드는 Yolov8의 출력을 가정하고 있으며, predictions 변수에 해당 출력을 할당해야 합니다. get_top_k_classes_and_probs 함수는 각 객체에 대해 상위 k 개의 클래스와 확률을 반환합니다. 출력 예시는 다음과 같습니다:

Object 1:
  Class 34 with probability 0.9876
  Class 12 with probability 0.8765
  Class 56 with probability 0.7654
Object 2:
  ...

참고로, 이 예제에서는 임의의 예측 결과를 사용하고 있습니다. 실제 Yolov8 출력을 사용하려면 해당 모델에서 얻은 결과를 predictions 변수에 할당해야 합니다.

  • 답변이 어떠셨나요? 괜찮았다고 생각하신다면 아래 :heart:를 한 번 눌러주시길 부탁드려요!