> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/hi/blocks/blocks/run-a-model/gaze-detection.md).

# दृष्टि पहचान

चेहरों का पता लगाएँ और दृष्टि की दिशा का अनुमान लगाएँ (अप्रचलित)।

{% hint style="warning" %}
**अप्रचलित**

यह ब्लॉक अप्रचलित है और भविष्य के रिलीज़ में हटाया जा सकता है।
{% endhint %}

**अप्रचलित।** MediaPipe निर्भरता के साथ inference से L2CS Gaze detection हटा दिया गया है। इस ब्लॉक को invoke करने पर त्रुटि उत्पन्न होती है `FeatureDeprecatedError` (HTTP 410 समाप्त)।

### प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें `"type"` फ़ील्ड: `roboflow_core/gaze@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 विशिष्ट पहचानकर्ता दर्ज करें..                                                         | ❌      |
| `do_run_face_detection` | `bool`     | क्या face detection चलाना है। यदि इनपुट इमेज पहले से क्रॉप की गई चेहरे की छवियाँ हैं, तो False सेट करें.. | ✅      |

यह **संदर्भ** स्तंभ यह इंगित करता है कि संपत्ति को वर्कफ़्लो रनटाइम में उपलब्ध गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है `वर्कफ़्लो` रनटाइम। देखें *बाइंडिंग्स* अधिक जानकारी के लिए।

### रनटाइम संगतता

`कठिन` - रनटाइम `self_hosted_cpu`; निष्पादन `स्थानीय` : एक GPU की आवश्यकता है; run\_locally() एक ऐसा मॉडल लोड करता है जिसे CUDA की आवश्यकता होती है।

### इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। देखें कि कौन-से बाइंडिंग प्रकार `दृष्टि पहचान` संस्करण `v1` है।

<details>

<summary>इनपुट और आउटपुट बाइंडिंग्स</summary>

* इनपुट
  * `छवियाँ` ([*`छवि`*](/workflows/hi/developer-guide/developer-guide/kinds/image.md)): जिस छवि पर अनुमान लगाना है..
  * `do_run_face_detection` ([*`boolean`*](/workflows/hi/developer-guide/developer-guide/kinds/boolean.md)): क्या face detection चलाना है। यदि इनपुट इमेज पहले से क्रॉप की गई चेहरे की छवियाँ हैं, तो False सेट करें..
* आउटपुट
  * `face_predictions` ([`keypoint_detection_prediction`](/workflows/hi/developer-guide/developer-guide/kinds/keypoint-detection-prediction.md)): पहचाने गए bounding boxes और पहचाने गए keypoints के साथ sv.Detections(...) ऑब्जेक्ट के रूप में prediction।
  * `yaw_degrees` ([`float`](/workflows/hi/developer-guide/developer-guide/kinds/float.md)): फ्लोट मान।
  * `pitch_degrees` ([`float`](/workflows/hi/developer-guide/developer-guide/kinds/float.md)): फ्लोट मान।

</details>

<details>

<summary>उदाहरण JSON परिभाषा</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/gaze@v1",
	    "images": "$inputs.image",
	    "do_run_face_detection": "<block_does_not_provide_example>"
	}
```

</details>