वर्कफ़्लो बनाएं

एक workflow ब्लॉकों से बना होता है, जो विशिष्ट कार्य करते हैं, जैसे मॉडल इनफेरेंस चलाना, लॉजिक लागू करना, या बाहरी सेवाओं के साथ इंटरफेस करना।

उपलब्ध ब्लॉकों की सूची के बारे में अधिक जानने के लिए, हमारा ब्लॉक दस्तावेज़.

सारांश

यह गाइड एक चार ब्लॉक workflow बनाने के बारे में बताएगा, जिसमें एक object detection मॉडल चलाना, prediction गिनना, और मॉडल परिणामों को विज़ुअलाइज़ करना शामिल है। यहाँ है अंतिम workflow टेम्पलेट जिसका अनुसरण करें।

Detect, Count, and VisualizeRoboflow

ब्लॉक कनेक्शन

निर्माण शुरू करने से पहले, यह समझना महत्वपूर्ण है कि ब्लॉक कनेक्शन कैसे काम करते हैं।

किसी स्थान पर ब्लॉक जोड़ने के लिए, उसे पिछले ब्लॉक को इनपुट के रूप में उपयोग करना होता है। उदाहरण के लिए, ऊपर दिखाए गए workflow में, प्रॉपर्टी डेफिनिशन ब्लॉक आता है ऑब्जेक्ट डिटेक्शन ब्लॉक के बाद क्योंकि यह मॉडल ब्लॉक को इनपुट के रूप में उपयोग करता है। बाउंडिंग बॉक्स विज़ुअलाइज़ेशन ब्लॉक दाईं ओर है, क्योंकि यह प्रॉपर्टी डेफिनिशन ब्लॉक का आउटपुट उपयोग नहीं करता, लेकिन मॉडल आउटपुट को संदर्भित करता है।

ऊपर दिए गए उदाहरण workflow में, हमारे पास चार अलग-अलग रास्ते हैं, क्योंकि प्रत्येक ब्रांच रनटाइम पर समानांतर में निष्पादित होती है, और अन्य ब्रांच ब्लॉकों पर इनपुट के रूप में निर्भर नहीं करती।

एक workflow बनाना

ऑब्जेक्ट डिटेक्शन मॉडल

सबसे पहले, एक ऑब्जेक्ट डिटेक्शन मॉडल ब्लॉक जोड़ें। आप एक सार्वजनिक प्री-ट्रेंड मॉडल चुन सकते हैं, जैसे कि YOLOv8n जिसे COCOपर प्रशिक्षित किया गया है, या अपने workspace में एक फाइन-ट्यून किया हुआ मॉडल। मैं प्री-ट्रेंड yolov8n मॉडल के साथ आगे बढ़ूंगा ताकि लोग और वाहन डिटेक्ट किए जा सकें।

ऑब्जेक्ट डिटेक्शन ब्लॉक में एक आवश्यक इमेज पैरामीटर होता है, जो निर्धारित करता है कि मॉडल किस पर इनफर कर रहा है। कई वैकल्पिक पैरामीटर भी हैं, मुख्य पैरामीटर नीचे विस्तार से बताए गए हैं:

• क्लास फ़िल्टर: उन क्लासों की सूची जिन्हें मॉडल लौटाएगा। नोट: मॉडल हमेशा केवल उन्हीं क्लासों को लौटाएगा जिन पर उसे प्रशिक्षित किया गया है, यह आपको अनावश्यक क्लासों को फ़िल्टर करने की अनुमति देता है।

• कॉन्फिडेंस: उस कॉन्फिडेंस से कम ऑब्जेक्ट्स वापस नहीं किए जाएंगे।

• IoU थ्रेशोल्ड: उच्च थ्रेशोल्ड अधिक ओवरलैपिंग प्रेडिक्शन लौटाएगा। 0.9 का अर्थ है कि 90% या कम ओवरलैप वाले ऑब्जेक्ट्स लौटाए जाएंगे, जबकि 0.1 का अर्थ है कि 10% से अधिक ओवरलैप वाले ऑब्जेक्ट्स शामिल नहीं किए जाएंगे।

• मैक्स डिटेक्शन: मॉडल द्वारा लौटाए जाने वाले ऑब्जेक्ट्स की अधिकतम संख्या

• क्लास एग्नोस्टिक NMS: क्या ओवरलैप फ़िल्टरिंग केवल समान क्लास वाले ऑब्जेक्ट्स की तुलना और बहिष्करण करे, या सभी क्लासों की

प्रॉपर्टी डेफिनिशन

प्रॉपर्टी डेफिनिशन ब्लॉक आपको अपने डेटा से प्रासंगिक जानकारी निकालने की अनुमति देता है, जैसे इमेज का आकार, प्रेडिक्टेड क्लास, या डिटेक्ट किए गए ऑब्जेक्ट्स की संख्या। इस उदाहरण में, हम ऑब्जेक्ट डिटेक्शन मॉडल द्वारा पाए गए ऑब्जेक्ट्स की संख्या गिनेंगे।

के लिए डेटा प्रॉपर्टी, मॉडल प्रेडिक्शन को संदर्भित करें। ऑपरेशंसमें, Count Items चुनें। यह कॉन्फ़िगरेशन ऑब्जेक्ट डिटेक्शन मॉडल द्वारा की गई प्रेडिक्शन की संख्या लौटाएगा।

बाउंडिंग बॉक्स विज़ुअलाइज़ेशन

मॉडल परिणामों को विज़ुअलाइज़ करने के लिए एक बाउंडिंग बॉक्स विज़ुअलाइज़ेशन ब्लॉक जोड़ें। इमेज पैरामीटर के लिए, इनपुट इमेज चुनें। प्रेडिक्शन के लिए, मॉडल परिणाम चुनें। आप वैकल्पिक रूप से वैकल्पिक कॉन्फ़िगरेशन प्रॉपर्टीज़ का उपयोग करके बाउंडिंग बॉक्स का रंग और आकार बदल सकते हैं।

लेबल विज़ुअलाइज़ेशन

बाउंडिंग बॉक्स ड्रा करने के अलावा, हम प्रेडिक्शन के क्लास नाम भी दिखाना चाहेंगे। ऐसा करने के लिए, बाउंडिंग बॉक्स विज़ुअलाइज़ेशन के बाद एक लेबल विज़ुअलाइज़ेशन ब्लॉक जोड़ें। एक ही इमेज पर बाउंडिंग बॉक्स और लेबल दोनों ड्रा करने के लिए, आपको रेफरेंस इनपुट इमेज को bounding_box_visualization इमेज के रूप में सेट करना होगा, इनपुट इमेज को संदर्भित करने के बजाय। इससे लेबल बाउंडिंग बॉक्स के ऊपर ड्रा होंगे।

आप वैकल्पिक टेक्स्ट पैरामीटर बदल सकते हैं ताकि डिस्प्ले टेक्स्ट क्लास नाम, कॉन्फिडेंस, या क्लास नाम और कॉन्फिडेंस में बदल सके।

परिवर्तन सहेजें

जब आप अपना Workflow बनाना समाप्त कर लें, तो "Save Workflow" पर क्लिक करें। यदि आपने Workflow डिप्लॉय किया है, तो आपका सेव किया गया Workflow उन सभी डिवाइसों पर चलना शुरू हो जाएगा, जहाँ Workflow डिप्लॉय किया गया है।

अब जब आपका workflow पूरा हो गया है, तो इसे टेस्ट करने का समय है।