YOLO-World Model

zero-shot object detection model चलाएँ।

किसी छवि पर YOLO-World, एक ज़ीरो-शॉट ऑब्जेक्ट डिटेक्शन मॉडल, चलाएँ।

YOLO-World एक या अधिक टेक्स्ट क्लास स्वीकार करता है जिन्हें आप किसी छवि में पहचानना चाहते हैं। यदि YOLO-World उस क्लास के ऑब्जेक्ट्स की पहचान करने में सक्षम है, तो मॉडल निर्दिष्ट क्लास से मेल खाने वाले ऑब्जेक्ट्स का स्थान लौटाता है।

उत्पादन में इस ब्लॉक का उपयोग करने से पहले, हम अनुशंसा करते हैं कि आप अपने उपयोग-केस पर मॉडल का मूल्यांकन करने के लिए YOLO-World के साथ प्रयोग करें। YOLO-World को प्रभावी ढंग से प्रॉम्प्ट करने के उदाहरण के लिए, देखें: Roboflow YOLO-World प्रॉम्प्टिंग गाइड.

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/yolo_world_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..	❌
class_names	List[str]	एक या अधिक क्लास जिनका आप YOLO-World से पता लगवाना चाहते हैं। मॉडल किसी भी स्ट्रिंग को इनपुट के रूप में स्वीकार करता है, हालांकि यह सामान्य वस्तुओं के छोटे विवरणों के साथ सबसे अच्छा काम करता है..	✅
version	str	YoloWorld मॉडल का संस्करण।	✅
confidence	float	डिटेक्शनों के लिए विश्वसनीयता सीमा।	✅

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 YOLO-World मॉडल संस्करण v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • छवियाँ (छवि): जिस छवि पर अनुमान लगाना है..

  • class_names (list_of_values): एक या अधिक क्लास जिनका आप YOLO-World से पता लगवाना चाहते हैं। मॉडल किसी भी स्ट्रिंग को इनपुट के रूप में स्वीकार करता है, हालांकि यह सामान्य वस्तुओं के छोटे विवरणों के साथ सबसे अच्छा काम करता है..

  • version (string): YoloWorld मॉडल का संस्करण।

  • confidence (float_zero_to_one): डिटेक्शनों के लिए विश्वसनीयता सीमा।

• आउटपुट

  • predictions (object_detection_prediction): sv.Detections(...) ऑब्जेक्ट के रूप में पहचाने गए बाउंडिंग बॉक्स के साथ पूर्वानुमान।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/yolo_world_model@v1",
	    "images": "$inputs.image",
	    "class_names": [
	        "व्यक्ति",
	        "कार",
	        "लाइसेंस प्लेट"
	    ],
	    "version": "v2-s",
	    "confidence": 0.005
	}