कुंजीबिंदु पहचान मॉडल
ऑब्जेक्ट्स पर कंकाल (skeletons) का अनुमान लगाएँ।
v3
Roboflow पर होस्ट किए गए या अपलोड किए गए keypoint detection मॉडल पर inference चलाएँ.
आप अपने खाते के लिए निजी किसी भी मॉडल, या पर उपलब्ध किसी भी सार्वजनिक मॉडल से क्वेरी कर सकते हैं Roboflow Universe.
इस ब्लॉक का उपयोग करने के लिए आपको अपने Inference वातावरण में अपनी Roboflow API कुंजी सेट करनी होगी। अपनी Roboflow API कुंजी सेट करने के बारे में अधिक जानने के लिए, Inference दस्तावेज़ देखें.
प्रकार पहचानकर्ता
स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/roboflow_keypoint_detection_model@v3 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..
❌
model_id
str
Roboflow मॉडल पहचानकर्ता..
✅
confidence_mode
str
उपलब्ध नहीं है.
✅
custom_confidence
float
उपलब्ध नहीं है.
✅
keypoint_confidence
float
किसी keypoint को दृश्यमान के रूप में अनुमानित करने के लिए विश्वास-सीमा..
✅
class_filter
List[str]
स्वीकृत वर्गों की सूची। वर्ग मॉडल के प्रशिक्षण सेट में मौजूद होने चाहिए..
✅
iou_threshold
float
बॉक्सों के बीच न्यूनतम ओवरलैप सीमा, ताकि उन्हें एक ही डिटेक्शन में संयोजित किया जा सके, NMS में उपयोग किया जाता है. और जानें..
✅
max_detections
int
वापस करने के लिए डिटेक्शनों की अधिकतम संख्या..
✅
class_agnostic_nms
bool
यह निर्दिष्ट करने के लिए बूलियन फ़्लैग कि क्या NMS को वर्ग-निरपेक्ष मोड में उपयोग किया जाना है..
✅
max_candidates
int
NMS इनपुट के रूप में ध्यान में लिए जाने वाले उम्मीदवारों की अधिकतम संख्या..
✅
disable_active_learning
bool
इस ब्लॉक के लिए प्रोजेक्ट-स्तरीय सक्रिय शिक्षण को अक्षम करने वाला बूलियन फ्लैग..
✅
active_learning_target_dataset
str
यदि सक्षम हो, तो सक्रिय शिक्षण के लिए लक्षित डेटासेट..
✅
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।
इनपुट और आउटपुट बाइंडिंग्स
उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। देखें कि कौन-से बाइंडिंग प्रकार कीपॉइंट पहचान मॉडल संस्करण v3 है।
इनपुट और आउटपुट बाइंडिंग्स
इनपुट
छवियाँ(छवि): जिस छवि पर अनुमान लगाना है..model_id(roboflow_model_id): Roboflow मॉडल पहचानकर्ता..confidence_mode(string): उपलब्ध नहीं है.custom_confidence(float_zero_to_one): उपलब्ध नहीं है.keypoint_confidence(float_zero_to_one): किसी keypoint को दृश्यमान के रूप में अनुमानित करने के लिए विश्वास-सीमा..class_filter(list_of_values): स्वीकृत वर्गों की सूची। वर्ग मॉडल के प्रशिक्षण सेट में मौजूद होने चाहिए..iou_threshold(float_zero_to_one): बॉक्सों के बीच न्यूनतम ओवरलैप सीमा, ताकि उन्हें एक ही डिटेक्शन में संयोजित किया जा सके, NMS में उपयोग किया जाता है. और जानें..max_detections(पूर्णांक): वापस करने के लिए डिटेक्शनों की अधिकतम संख्या..class_agnostic_nms(boolean): यह निर्दिष्ट करने के लिए बूलियन फ़्लैग कि क्या NMS को वर्ग-निरपेक्ष मोड में उपयोग किया जाना है..max_candidates(पूर्णांक): NMS इनपुट के रूप में ध्यान में लिए जाने वाले उम्मीदवारों की अधिकतम संख्या..disable_active_learning(boolean): इस ब्लॉक के लिए प्रोजेक्ट-स्तरीय सक्रिय शिक्षण को अक्षम करने वाला बूलियन फ्लैग..active_learning_target_dataset(roboflow_project): यदि सक्षम हो, तो सक्रिय शिक्षण के लिए लक्षित डेटासेट..
आउटपुट
inference_id(inference_id): Inference पहचानकर्ता।predictions(keypoint_detection_prediction): पहचाने गए bounding boxes और पहचाने गए keypoints के साथ sv.Detections(...) ऑब्जेक्ट के रूप में prediction।model_id(roboflow_model_id): Roboflow मॉडल आईडी।
v2
Roboflow पर होस्ट किए गए या अपलोड किए गए keypoint detection मॉडल पर inference चलाएँ.
आप अपने खाते के लिए निजी किसी भी मॉडल, या पर उपलब्ध किसी भी सार्वजनिक मॉडल से क्वेरी कर सकते हैं Roboflow Universe.
इस ब्लॉक का उपयोग करने के लिए आपको अपने Inference वातावरण में अपनी Roboflow API कुंजी सेट करनी होगी। अपनी Roboflow API कुंजी सेट करने के बारे में अधिक जानने के लिए, Inference दस्तावेज़ देखें.
प्रकार पहचानकर्ता
स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/roboflow_keypoint_detection_model@v2 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..
❌
model_id
str
Roboflow मॉडल पहचानकर्ता..
✅
confidence
float
पूर्वानुमानों के लिए विश्वास सीमा..
✅
keypoint_confidence
float
किसी keypoint को दृश्यमान के रूप में अनुमानित करने के लिए विश्वास-सीमा..
✅
class_filter
List[str]
स्वीकृत वर्गों की सूची। वर्ग मॉडल के प्रशिक्षण सेट में मौजूद होने चाहिए..
✅
iou_threshold
float
बॉक्सों के बीच न्यूनतम ओवरलैप सीमा, ताकि उन्हें एक ही डिटेक्शन में संयोजित किया जा सके, NMS में उपयोग किया जाता है. और जानें..
✅
max_detections
int
वापस करने के लिए डिटेक्शनों की अधिकतम संख्या..
✅
class_agnostic_nms
bool
यह निर्दिष्ट करने के लिए बूलियन फ़्लैग कि क्या NMS को वर्ग-निरपेक्ष मोड में उपयोग किया जाना है..
✅
max_candidates
int
NMS इनपुट के रूप में ध्यान में लिए जाने वाले उम्मीदवारों की अधिकतम संख्या..
✅
disable_active_learning
bool
इस ब्लॉक के लिए प्रोजेक्ट-स्तरीय सक्रिय शिक्षण को अक्षम करने वाला बूलियन फ्लैग..
✅
active_learning_target_dataset
str
यदि सक्षम हो, तो सक्रिय शिक्षण के लिए लक्षित डेटासेट..
✅
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।
इनपुट और आउटपुट बाइंडिंग्स
उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। देखें कि कौन-से बाइंडिंग प्रकार कीपॉइंट पहचान मॉडल संस्करण v2 है।
इनपुट और आउटपुट बाइंडिंग्स
इनपुट
छवियाँ(छवि): जिस छवि पर अनुमान लगाना है..model_id(roboflow_model_id): Roboflow मॉडल पहचानकर्ता..confidence(float_zero_to_one): पूर्वानुमानों के लिए विश्वास सीमा..keypoint_confidence(float_zero_to_one): किसी keypoint को दृश्यमान के रूप में अनुमानित करने के लिए विश्वास-सीमा..class_filter(list_of_values): स्वीकृत वर्गों की सूची। वर्ग मॉडल के प्रशिक्षण सेट में मौजूद होने चाहिए..iou_threshold(float_zero_to_one): बॉक्सों के बीच न्यूनतम ओवरलैप सीमा, ताकि उन्हें एक ही डिटेक्शन में संयोजित किया जा सके, NMS में उपयोग किया जाता है. और जानें..max_detections(पूर्णांक): वापस करने के लिए डिटेक्शनों की अधिकतम संख्या..class_agnostic_nms(boolean): यह निर्दिष्ट करने के लिए बूलियन फ़्लैग कि क्या NMS को वर्ग-निरपेक्ष मोड में उपयोग किया जाना है..max_candidates(पूर्णांक): NMS इनपुट के रूप में ध्यान में लिए जाने वाले उम्मीदवारों की अधिकतम संख्या..disable_active_learning(boolean): इस ब्लॉक के लिए प्रोजेक्ट-स्तरीय सक्रिय शिक्षण को अक्षम करने वाला बूलियन फ्लैग..active_learning_target_dataset(roboflow_project): यदि सक्षम हो, तो सक्रिय शिक्षण के लिए लक्षित डेटासेट..
आउटपुट
inference_id(inference_id): Inference पहचानकर्ता।predictions(keypoint_detection_prediction): पहचाने गए bounding boxes और पहचाने गए keypoints के साथ sv.Detections(...) ऑब्जेक्ट के रूप में prediction।model_id(roboflow_model_id): Roboflow मॉडल आईडी।
v1
Roboflow पर होस्ट किए गए या अपलोड किए गए keypoint detection मॉडल पर inference चलाएँ.
आप अपने खाते के लिए निजी किसी भी मॉडल, या पर उपलब्ध किसी भी सार्वजनिक मॉडल से क्वेरी कर सकते हैं Roboflow Universe.
इस ब्लॉक का उपयोग करने के लिए आपको अपने Inference वातावरण में अपनी Roboflow API कुंजी सेट करनी होगी। अपनी Roboflow API कुंजी सेट करने के बारे में अधिक जानने के लिए, Inference दस्तावेज़ देखें.
प्रकार पहचानकर्ता
स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/roboflow_keypoint_detection_model@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..
❌
model_id
str
Roboflow मॉडल पहचानकर्ता..
✅
confidence
float
पूर्वानुमानों के लिए विश्वास सीमा..
✅
keypoint_confidence
float
किसी keypoint को दृश्यमान के रूप में अनुमानित करने के लिए विश्वास-सीमा..
✅
class_filter
List[str]
स्वीकृत वर्गों की सूची। वर्ग मॉडल के प्रशिक्षण सेट में मौजूद होने चाहिए..
✅
iou_threshold
float
बॉक्सों के बीच न्यूनतम ओवरलैप सीमा, ताकि उन्हें एक ही डिटेक्शन में संयोजित किया जा सके, NMS में उपयोग किया जाता है. और जानें..
✅
max_detections
int
वापस करने के लिए डिटेक्शनों की अधिकतम संख्या..
✅
class_agnostic_nms
bool
यह निर्दिष्ट करने के लिए बूलियन फ़्लैग कि क्या NMS को वर्ग-निरपेक्ष मोड में उपयोग किया जाना है..
✅
max_candidates
int
NMS इनपुट के रूप में ध्यान में लिए जाने वाले उम्मीदवारों की अधिकतम संख्या..
✅
disable_active_learning
bool
इस ब्लॉक के लिए प्रोजेक्ट-स्तरीय सक्रिय शिक्षण को अक्षम करने वाला बूलियन फ्लैग..
✅
active_learning_target_dataset
str
यदि सक्षम हो, तो सक्रिय शिक्षण के लिए लक्षित डेटासेट..
✅
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।
इनपुट और आउटपुट बाइंडिंग्स
उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। देखें कि कौन-से बाइंडिंग प्रकार कीपॉइंट पहचान मॉडल संस्करण v1 है।
इनपुट और आउटपुट बाइंडिंग्स
इनपुट
छवियाँ(छवि): जिस छवि पर अनुमान लगाना है..model_id(roboflow_model_id): Roboflow मॉडल पहचानकर्ता..confidence(float_zero_to_one): पूर्वानुमानों के लिए विश्वास सीमा..keypoint_confidence(float_zero_to_one): किसी keypoint को दृश्यमान के रूप में अनुमानित करने के लिए विश्वास-सीमा..class_filter(list_of_values): स्वीकृत वर्गों की सूची। वर्ग मॉडल के प्रशिक्षण सेट में मौजूद होने चाहिए..iou_threshold(float_zero_to_one): बॉक्सों के बीच न्यूनतम ओवरलैप सीमा, ताकि उन्हें एक ही डिटेक्शन में संयोजित किया जा सके, NMS में उपयोग किया जाता है. और जानें..max_detections(पूर्णांक): वापस करने के लिए डिटेक्शनों की अधिकतम संख्या..class_agnostic_nms(boolean): यह निर्दिष्ट करने के लिए बूलियन फ़्लैग कि क्या NMS को वर्ग-निरपेक्ष मोड में उपयोग किया जाना है..max_candidates(पूर्णांक): NMS इनपुट के रूप में ध्यान में लिए जाने वाले उम्मीदवारों की अधिकतम संख्या..disable_active_learning(boolean): इस ब्लॉक के लिए प्रोजेक्ट-स्तरीय सक्रिय शिक्षण को अक्षम करने वाला बूलियन फ्लैग..active_learning_target_dataset(roboflow_project): यदि सक्षम हो, तो सक्रिय शिक्षण के लिए लक्षित डेटासेट..
आउटपुट
inference_id(string): स्ट्रिंग मान.predictions(keypoint_detection_prediction): पहचाने गए bounding boxes और पहचाने गए keypoints के साथ sv.Detections(...) ऑब्जेक्ट के रूप में prediction।
अंतिम अपडेट
क्या यह उपयोगी था?