# Object Detection Model

### 이 블록에 관하여

Object Detection Model 블록을 사용하면 Roboflow에서 학습했거나 업로드한 객체 탐지 모델을 실행할 수 있습니다.

객체 탐지 모델을 사용하면 이미지에서 사용자 정의 객체를 식별할 수 있습니다. 예를 들어, 객체 탐지 블록을 사용하여 다음을 수행할 수 있습니다:

1. 제품의 결함 식별
2. 도로 위 차량의 위치 찾기
3. 조립 라인에서 항목 찾기

Workspace에 저장된 비공개 모델이나 Roboflow Universe의 공개 모델을 실행할 수 있습니다.

<figure><img src="/files/b42d63d6f6cd5474fb0bfd5f11ec0561a33d3ff5" alt=""><figcaption><p>Object Detection Model 블록.</p></figcaption></figure>

### 이 블록에 보낼 수 있는 내용

Object Detection Model 블록은 다음에 대해 실행할 수 있습니다:

1. Workflow로 전송한 이미지
2. Workflow로 전송한 비디오 프레임
3. Workflow에서 계산된 이미지의 잘라낸 영역(즉, Crop 블록 사용)

### 이 블록이 반환하는 내용

객체 탐지 모델 블록은 다른 블록에서 사용할 수 있는 예측을 반환합니다. 예측에는 다음에 대한 정보가 포함됩니다:

* 찾은 각 객체의 위치(xyxy 좌표)
* 각 객체 위치와 연결된 클래스 이름

객체 탐지 모델 결과를 이미지에 표시하려면 Visualizer 블록을 사용해야 합니다. 다음을 사용해 볼 수 있습니다:

* [Bounding Box Visualization](/roboflow/roboflow-ko/workflows/workflow-blocks/visualize-predictions/bounding-box-visualization.md): 모델이 반환한 바운딩 박스를 표시합니다.
* Label Visualization: 모델이 반환한 클래스 레이블을 표시합니다.

다음은 이 블록이 반환한 객체 탐지 결과를 Bounding Box 및 Label 시각화 모두로 표시한 예시입니다:

<figure><img src="/files/f98a16ebb351471e43947559e46303a17f078b21" alt=""><figcaption><p>이미지에 표시된 object detection model의 예측 결과.</p></figcaption></figure>

### 블록 구성 방법

이 블록을 설정하면 Workspace에서 모델을 선택하라는 요청을 받게 됩니다:

<figure><img src="/files/4be61c7b820aa9c65571564065e6759aaca8b197" alt=""><figcaption></figcaption></figure>

Workspace에서 모델을 사용하려면 Your Models 목록에서 선택하세요.

다양한 base 및 public 모델도 사용할 수 있습니다.

다음에서 선택할 수 있습니다:

* RF-DETR base 및 YOLO11과 같은 base 모델
* 차량 탐지 및 소매 재고 탐지와 같은 특정 사용 사례에 권장되는 모델

Universe에서 찾을 수 있는 어떤 모델의 ID도 지정할 수 있습니다. [Universe에서 모델을 찾는 방법을 알아보세요.](/roboflow/roboflow-ko/universe/find-a-model-on-universe.md)

그런 다음 Workflows editor에서 사용할 수 있는 옵션을 통해 블록을 구성할 수 있습니다.

가장 일반적으로 설정하는 속성은 모델의 confidence threshold와 특정 class의 예측만 반환하도록 하는 "Class Filter" 도구입니다.

### 사용 사례

이 블록은 모델을 실행하는 모든 Workflow에 유용합니다.

비디오에서 객체를 추적하려면 객체 탐지 모델과 Byte Tracker를 결합할 수 있습니다. 모델은 객체의 위치를 반환하고 Byte Tracker는 비디오 전반에서 그 위치를 추적합니다.

### 예측 형식

아래 카드를 펼쳐 이 블록이 반환하는 JSON 데이터를 확인하세요.

<details>

<summary>예측 형식</summary>

예측은 다음 형식으로 반환됩니다:

```json
[
  {
    "model_predictions": {
      "image": {
        "width": 2048,
        "height": 1080
      },
      "predictions": [
        {
          "width": 795,
          "height": 808,
          "x": 883.5,
          "y": 676,
          "confidence": 0.985406219959259,
          "class_id": 0,
          "class": "can",
          "detection_id": "8797945b-bb46-4f35-b076-9a8f832b1bb0",
          "parent_id": "image"
        },
        {
          "width": 248,
          "height": 470,
          "x": 1924,
          "y": 845,
          "confidence": 0.9593697190284729,
          "class_id": 0,
          "class": "can",
          "detection_id": "0a61f2e5-0fd3-44e0-955b-1b66308dfab3",
          "parent_id": "image"
        }
      ]
    }
  }
]
```

</details>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-ko/workflows/workflow-blocks/run-a-model/object-detection-model.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.