आकार मापन

reference object के संबंध में objects के आयाम मापें।

यह आकार मापन ब्लॉक

यह ब्लॉक कैसे काम करता है

youtube.com/watch?v=FQY7TSHfZeI) संदर्भ वस्तु के सापेक्ष वस्तुओं के आयामों की गणना करता है। यह संदर्भ वस्तु का पता लगाने के लिए एक मॉडल और मापी जाने वाली वस्तुओं का पता लगाने के लिए दूसरा मॉडल उपयोग करता है। यह ब्लॉक वस्तुओं के आयाम संदर्भ वस्तु के संदर्भ में आउटपुट करता है।

• संदर्भ वस्तु: यह ज्ञात वस्तु है जिसका उपयोग मापन के लिए आधाररेखा के रूप में किया जाता है। इसके आयाम ज्ञात होते हैं और अन्य वस्तुओं के माप को स्केल करने के लिए उपयोग किए जाते हैं।

• मापी जाने वाली वस्तु: यह वह वस्तु है जिसके आयामों की गणना की जा रही है। ब्लॉक इन आयामों को संदर्भ वस्तु के सापेक्ष मापता है।

ब्लॉक का उपयोग

आकार मापन ब्लॉक का उपयोग करने के लिए, इन चरणों का पालन करें:

1. मॉडल चुनें: संदर्भ वस्तु का पता लगाने के लिए एक मॉडल चुनें और मापी जाने वाली वस्तुओं का पता लगाने के लिए दूसरा मॉडल चुनें।

2. इनपुट कॉन्फ़िगर करें: दोनों मॉडलों के पूर्वानुमानों को ब्लॉक के इनपुट के रूप में प्रदान करें।

3. संदर्भ आयाम निर्धारित करें: संदर्भ वस्तु के ज्ञात आयामों को 'चौड़ाई,ऊँचाई' प्रारूप में या टपल (चौड़ाई, ऊँचाई) के रूप में निर्दिष्ट करें।

4. ब्लॉक चलाएँ: संदर्भ वस्तु के सापेक्ष पता लगी वस्तुओं के आयामों की गणना करने के लिए ब्लॉक निष्पादित करें।

उदाहरण

कल्पना करें कि आपके पास एक सीन है जिसमें एक कैलिब्रेशन कार्ड और कई पैकेज हैं। कैलिब्रेशन कार्ड के ज्ञात आयाम 5.0 इंच गुणा 3.0 इंच हैं। आप सीन में पैकेजों के आयाम मापना चाहते हैं।

• संदर्भ वस्तु: 5.0 इंच (चौड़ाई) गुणा 3.0 इंच (ऊँचाई) आयाम वाला कैलिब्रेशन कार्ड।

• मापी जाने वाली वस्तुएँ: सीन में पहचाने गए पैकेज।

ब्लॉक प्रत्येक पैकेज के आयामों की गणना करने के लिए कैलिब्रेशन कार्ड के ज्ञात आयामों का उपयोग करेगा। उदाहरण के लिए, यदि किसी पैकेज की चौड़ाई 100 पिक्सेल और ऊँचाई 60 पिक्सेल के रूप में पता चलती है, और कैलिब्रेशन कार्ड की चौड़ाई 50 पिक्सेल और ऊँचाई 30 पिक्सेल के रूप में पता चलती है, तो ब्लॉक पैकेज के आयाम इस प्रकार गणना करेगा:

• चौड़ाई: (100 पिक्सेल / 50 पिक्सेल) * 5.0 इंच = 10.0 इंच

• ऊँचाई: (60 पिक्सेल / 30 पिक्सेल) * 3.0 इंच = 6.0 इंच

इससे आप संदर्भ वस्तु के ज्ञात आकार के आधार पर पैकेजों के वास्तविक-विश्व आयाम प्राप्त कर सकते हैं।

वीडियो ट्यूटोरियल देखें

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फील्ड: roboflow_core/size_measurement@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..	❌
reference_predictions	List[Any]	निर्दिष्ट वस्तुओं के आयामों की गणना करने के लिए उपयोग की जाने वाली संदर्भ वस्तु। यदि एक से अधिक वस्तुएँ प्रदान की जाती हैं, तो सबसे अधिक विश्वसनीयता वाला पूर्वानुमान उपयोग किया जाएगा..	✅
reference_dimensions	Union[List[float], Tuple[float, float], str]	संदर्भ वस्तु के आयाम वांछित इकाइयों में, (जैसे इंच)। इसका उपयोग अन्य वस्तुओं के पिक्सेल आयामों को वास्तविक-विश्व इकाइयों में बदलने के लिए किया जाएगा..	✅

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 आकार मापन संस्करण में v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • object_predictions (Union[instance_segmentation_prediction, object_detection_prediction]): आयाम मापने के लिए मॉडल के पूर्वानुमान..

  • reference_predictions (Union[instance_segmentation_prediction, list_of_values, object_detection_prediction]): निर्दिष्ट वस्तुओं के आयामों की गणना करने के लिए उपयोग की जाने वाली संदर्भ वस्तु। यदि एक से अधिक वस्तुएँ प्रदान की जाती हैं, तो सबसे अधिक विश्वसनीयता वाला पूर्वानुमान उपयोग किया जाएगा..

  • reference_dimensions (Union[list_of_values, स्ट्रिंग]): संदर्भ वस्तु के आयाम वांछित इकाइयों में, (जैसे इंच)। इसका उपयोग अन्य वस्तुओं के पिक्सेल आयामों को वास्तविक-विश्व इकाइयों में बदलने के लिए किया जाएगा..

• आउटपुट

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

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/size_measurement@v1",
	    "object_predictions": "$segmentation.object_predictions",
	    "reference_predictions": "$segmentation.reference_predictions",
	    "reference_dimensions": [
	        4.5,
	        3.0
	    ]
	}