डिटेक्शन सूची रोल-अप

बहु-स्तरीय dimensionality को वापस एक ही dimension में रोल करें।

चाइल्ड से पैरेंट डिटेक्शनों में डायमेंशनलिटी को समेकित करता है

ऐसे परिदृश्यों में उपयोगी जैसे:

• क्रॉप्स पर चलाए गए द्वितीयक मॉडल के परिणामों को वापस पैरेंट इमेजों तक समेकित करना

• गतिशील रूप से क्रॉप की गई छवियों के लिए OCR परिणामों को समेकित करना

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फील्ड: roboflow_core/detections_list_rollup@v1 अपने वर्कफ़्लो में ब्लॉक को एक स्टेप के रूप में जोड़ने के लिए।

गुण

नाम	प्रकार	विवरण	संदर्भ
name	str	इस स्टेप के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..	❌
confidence_strategy	str	चाइल्ड डिटेक्शनों से confidence स्कोर को मिलाते समय उपयोग की जाने वाली रणनीति। विकल्प हैं 'max', 'mean', या 'min'..	✅
overlap_threshold	float	चाइल्ड क्रॉप्स से ओवरलैप होने वाले डिटेक्शनों को मिलाते समय विचार करने के लिए न्यूनतम ओवरलैप अनुपात (IoU)। 0.0 का मान किसी भी ओवरलैपिंग डिटेक्शन को मिला देता है, जबकि अधिक मानों के लिए मिलाने हेतु अधिक ओवरलैप आवश्यक होता है। 0.0 और 1.0 के बीच निर्दिष्ट करें। 1.0 का मान केवल पूरी तरह ओवरलैप होने वाले डिटेक्शनों को ही मिलाता है..	✅
keypoint_merge_threshold	float	यदि चाइल्ड डिटेक्शनों में keypoint डेटा हो, तो keypoint डिटेक्शनों को मिलाने के लिए keypoint दूरी (पिक्सेल में)..	✅

यह संदर्भ कॉलम यह दर्शाता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो वर्कफ़्लो रनटाइम में उपलब्ध हैं। अधिक जानकारी के लिए देखें Bindings ।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार डिटेक्शन्स सूची समेकन संस्करण में v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • parent_detection (Union[instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): वह पैरेंट डिटेक्शन जिससे डायमेंशनलिटी विरासत में मिलती है..

  • child_detections (list_of_values): उच्च डायमेंशनलिटी से उत्पन्न चाइल्ड डिटेक्शनों की एक सूची, जैसे कि डायनेमिक क्रॉप्स पर की गई भविष्यवाणियाँ। उच्च डायमेंशनलिटी वाले परिणाम को ऐसे रूप में घटाने के लिए "Dimension Collapse" का उपयोग करें जिसे इसके साथ इस्तेमाल किया जा सके। उदाहरण: Prediction -> Dimension Collapse -> Detections List Roll-Up।

  • confidence_strategy (list_of_values): चाइल्ड डिटेक्शनों से confidence स्कोर को मिलाते समय उपयोग की जाने वाली रणनीति। विकल्प हैं 'max', 'mean', या 'min'..

  • overlap_threshold (float_zero_to_one): चाइल्ड क्रॉप्स से ओवरलैप होने वाले डिटेक्शनों को मिलाते समय विचार करने के लिए न्यूनतम ओवरलैप अनुपात (IoU)। 0.0 का मान किसी भी ओवरलैपिंग डिटेक्शन को मिला देता है, जबकि अधिक मानों के लिए मिलाने हेतु अधिक ओवरलैप आवश्यक होता है। 0.0 और 1.0 के बीच निर्दिष्ट करें। 1.0 का मान केवल पूरी तरह ओवरलैप होने वाले डिटेक्शनों को ही मिलाता है..

  • keypoint_merge_threshold (float): यदि चाइल्ड डिटेक्शनों में keypoint डेटा हो, तो keypoint डिटेक्शनों को मिलाने के लिए keypoint दूरी (पिक्सेल में)..

• आउटपुट

  • rolled_up_detections (Union[instance_segmentation_prediction, object_detection_prediction, keypoint_detection_prediction]): sv.Detections(...) ऑब्जेक्ट के रूप में पहचाने गए bounding boxes और segmentation masks वाला Prediction, यदि instance_segmentation_prediction या sv.Detections(...) ऑब्जेक्ट के रूप में पहचाने गए bounding boxes वाला Prediction, यदि object_detection_prediction या sv.Detections(...) ऑब्जेक्ट के रूप में पहचाने गए bounding boxes और keypoints वाला Prediction, यदि keypoint_detection_prediction.

  • crop_zones (list_of_values): किसी भी प्रकार के मानों की सूची।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/detections_list_rollup@v1",
	    "parent_detection": "<block_does_not_provide_example>",
	    "child_detections": "<block_does_not_provide_example>",
	    "confidence_strategy": "min",
	    "overlap_threshold": 0.0,
	    "keypoint_merge_threshold": 0.0
	}