वर्कफ़्लो बनाएं

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

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

अवलोकन

यह गाइड एक चार ब्लॉक वर्कफ़्लो बनाने के बारे में बताएगा, जिसमें एक ऑब्जेक्ट डिटेक्शन मॉडल चलाना, भविष्यवाणियों की गिनती करना, और मॉडल परिणामों का विज़ुअलाइज़ेशन करना शामिल है। यहाँ है अंतिम वर्कफ़्लो टेम्पलेट जिसका अनुसरण करें।

डिटेक्ट, गिनती करें, और विज़ुअलाइज़ वर्कफ़्लो

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 वर्कफ़्लो 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 के आउटपुट का उपयोग नहीं करता, लेकिन मॉडल आउटपुट का संदर्भ देता है।

मॉडल तुलना वर्कफ़्लो

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

वर्कफ़्लो 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 वर्कस्पेस में एक फाइन-ट्यून किया गया मॉडल। मैं प्री-ट्रेंड yolov8n मॉडल के साथ आगे बढ़ूंगा ताकि लोगों और वाहनों का पता लगाया जा सके।

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

  • क्लास फ़िल्टर: उन क्लासों की सूची जिन्हें मॉडल लौटाएगा। ध्यान दें: मॉडल हमेशा केवल उन्हीं क्लासों को लौटाएगा जिन पर वह प्रशिक्षित है, यह आपको अनावश्यक क्लासों को फ़िल्टर करने की अनुमति देता है।

  • कॉन्फिडेंस: उस कॉन्फिडेंस से कम वस्तुएं वापस नहीं की जाएंगी।

  • IoU थ्रेशोल्ड: उच्च थ्रेशोल्ड अधिक ओवरलैपिंग भविष्यवाणियां लौटाएगा। 0.9 का अर्थ है कि 90% या उससे कम ओवरलैप वाली वस्तुएं लौटाई जाएंगी, जबकि 0.1 का अर्थ है कि 10% से अधिक ओवरलैप वाली वस्तुएं शामिल नहीं होंगी।

  • अधिकतम डिटेक्शन: मॉडल जितनी अधिकतम वस्तुएं लौटाएगा

  • क्लास एग्नोस्टिक NMS: क्या ओवरलैप फ़िल्टरिंग केवल एक ही क्लास की वस्तुओं 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 कि इमेज का आकार, अनुमानित क्लास, या पता लगाए गए वस्तुओं की संख्या। इस उदाहरण के लिए, हम ऑब्जेक्ट डिटेक्शन मॉडल द्वारा पाए गए वस्तुओं की गिनती करेंगे।

के लिए डेटा प्रॉपर्टी, मॉडल की भविष्यवाणियों का संदर्भ लें। ऑपरेशन्सके लिए, Count Items चुनें। यह कॉन्फ़िगरेशन ऑब्जेक्ट डिटेक्शन मॉडल द्वारा की गई भविष्यवाणियों की संख्या लौटाएगा।

बाउंडिंग बॉक्स विज़ुअलाइज़ेशन

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

लेबल विज़ुअलाइज़ेशन

बाउंडिंग बॉक्स बनाने के अलावा, हम भविष्यवाणियों के क्लास नाम भी दिखाना चाहेंगे। ऐसा करने के लिए, एक लेबल विज़ुअलाइज़ेशन ब्लॉक बाउंडिंग बॉक्स विज़ुअलाइज़ेशन के बाद जोड़ें। एक ही इमेज पर दोनों बाउंडिंग बॉक्स और लेबल ड्रॉ करने के लिए, आप संदर्भ इनपुट इमेज को bounding_box_visualization इमेज के रूप में सेट करना चाहेंगे, इनपुट इमेज का संदर्भ देने के बजाय। इससे लेबल बाउंडिंग बॉक्स के ऊपर बनेंगे।

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

परिवर्तन सहेजें

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

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

Last updated

Was this helpful?