객체 탐지 모델

Workflow에서 객체 탐지 모델을 실행합니다.

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.

Object Detection Model 블록.

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: 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:

이미지에 표시된 object detection model의 예측 결과.

블록 구성 방법

이 블록을 설정하면 Workspace에서 모델을 선택하라는 요청을 받게 됩니다:

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.

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.

예측 형식

예측은 다음 형식으로 반환됩니다:

[
  {
    "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"
        }
      ]
    }
  }
]