सीमाबद्ध आयत

पहचाने गए बहुभुज के चारों ओर न्यूनतम सीमाबद्ध बॉक्स खोजें।

बहुभुज सेगमेंटेशन मास्क के चारों ओर न्यूनतम घूर्णित बाउंडिंग आयत की गणना करें, जटिल बहुभुज आकृतियों को अभिविन्यास जानकारी सहित सरल आयताकार बाउंडिंग बॉक्स में बदलें, ताकि ज़ोन निर्माण, क्षेत्र सरलीकरण, और पहचानी गई वस्तु आकृतियों के आधार पर आयताकार क्षेत्र के अनुमान में सहायता मिले।

यह ब्लॉक कैसे काम करता है

यह ब्लॉक बहुभुज मास्क वाले instance segmentation predictions को प्रोसेस करता है और प्रत्येक detection के लिए न्यूनतम घूर्णित बाउंडिंग आयत (वह सबसे छोटा आयत जो बहुभुज को घेर सकता है) की गणना करता है। यह ब्लॉक:

1. बहुभुज मास्क वाली instance segmentation predictions प्राप्त करता है (सत्यापित करता है कि मास्क मौजूद हैं)

2. प्रत्येक detection के बहुभुज मास्क को अलग-अलग प्रोसेस करता है

3. बहुभुज मास्क से सबसे बड़ा कंटूर निकालता है (बहु-कंटूर मास्क में सबसे बड़े को चुनकर संभालता है)

4. OpenCV के minAreaRect का उपयोग करके न्यूनतम घूर्णित बाउंडिंग आयत की गणना करता है:

   • सबसे छोटा घूर्णित आयत ढूँढ़ता है जो बहुभुज को पूरी तरह घेर सकता है

   • आयत का केंद्र बिंदु, आयाम (चौड़ाई, ऊँचाई), और घूर्णन कोण निर्धारित करता है

   • घूर्णित आयत के चार कोने बिंदुओं की गणना करता है

5. detection के मास्क को एक आयताकार मास्क में अपडेट करता है जो गणना किए गए बाउंडिंग आयत से मेल खाता है (घूर्णित आयत बहुभुज को वापस मास्क फ़ॉर्मेट में बदलता है)

6. detection के axis-aligned bounding box (xyxy) को घूर्णित आयत के बाउंडिंग बॉक्स में अपडेट करता है (घूर्णित आयत को एक axis-aligned बॉक्स में फिट करता है)

7. detection डेटा में अतिरिक्त आयत मेटाडेटा संग्रहीत करता है:

   • आयत के कोने के निर्देशांक (घूर्णित आयत बिंदु)

   • आयत की चौड़ाई और ऊँचाई (घूर्णित आयत के आयाम)

   • आयत कोण (डिग्री में घूर्णन कोण)

8. सभी प्रोसेस की गई detections को मिलाता है और उन्हें अपडेट किए गए मास्क, बाउंडिंग बॉक्स, तथा आयत मेटाडेटा के साथ लौटाता है

यह ब्लॉक जटिल बहुभुज आकृतियों को सरल आयताकार रूपों में बदलता है, और घूर्णन कोण के माध्यम से अभिविन्यास जानकारी को सुरक्षित रखता है। यह विशेष रूप से तब उपयोगी है जब आपको पहचानी गई वस्तु आकृतियों (जैसे, खेल के मैदान, सड़क खंड, चिह्नित क्षेत्र) के आधार पर ज़ोन या क्षेत्र बनाने हों और उन्हें आयताकार अनुमानों में सरल बनाना हो। न्यूनतम घूर्णित आयत बहुभुज का सबसे सघन आयताकार प्रतिनिधित्व प्रदान करता है, और क्षेत्र को न्यूनतम करने के लिए यह कोण पर हो सकता है।

सामान्य उपयोग के मामले

• वस्तु आकृतियों से ज़ोन निर्माण: पहचानी गई बहुभुज आकृतियों को क्षेत्र निगरानी या विश्लेषण के लिए आयताकार ज़ोन में बदलें (जैसे, बास्केटबॉल कोर्ट detections से ज़ोन बनाना, सड़क चिह्नों से सड़क खंड ज़ोन तैयार करना, ज़ेब्रा क्रॉसिंग detections से आयताकार क्षेत्र बनाना), जिससे जटिल आकृतियों से ज़ोन-आधारित वर्कफ़्लो संभव हों

• क्षेत्र सरलीकरण: आसान प्रोसेसिंग के लिए जटिल बहुभुज आकृतियों को आयताकार अनुमानों में सरल बनाएं (जैसे, अनियमित segmentation masks को आयतों में सरल करना, जटिल आकृतियों को आयताकार क्षेत्रों में बदलना, बहुभुज क्षेत्रों का आयतों से अनुमान लगाना), जिससे सरलीकृत क्षेत्र प्रोसेसिंग संभव हो

• घूर्णित क्षेत्र पहचान: बहुभुज detections से घूर्णित आयताकार क्षेत्रों का पता लगाएं और उन्हें निकालें (जैसे, segmentation से घूर्णित पार्किंग स्थान ढूँढ़ना, तिरछे सड़क चिह्नों को आयतों के रूप में पहचानना, घूर्णित वस्तुओं को आयताकार ज़ोन के रूप में निकालना), जिससे घूर्णन-संवेदनशील क्षेत्र निष्कर्षण संभव हो

• क्षेत्र अनुमान: कॉम्पैक्ट आयताकार बाउंडिंग बॉक्स के साथ बहुभुज क्षेत्रों का अनुमान लगाएं (जैसे, खेल के मैदान के क्षेत्रों का न्यूनतम आयतों से अनुमान, घूर्णित बाउंडिंग बॉक्स का उपयोग करके क्षेत्र के आकार का अनुमान, जटिल आकृतियों से कॉम्पैक्ट आयताकार क्षेत्र की गणना), जिससे आयताकार अनुमानों के साथ क्षेत्र अनुमान संभव हो

• आकृति सामान्यीकरण: मानकीकृत प्रोसेसिंग के लिए बहुभुज आकृतियों को आयताकार रूपों में सामान्यीकृत करें (जैसे, सुसंगत विश्लेषण के लिए पहचानी गई आकृतियों को आयतों में सामान्यीकृत करना, बहुभुज क्षेत्रों को आयताकार फ़ॉर्मेट में मानकीकृत करना, विभिन्न आकृतियों को एकसमान आयताकार क्षेत्रों में बदलना), जिससे आकृति सामान्यीकरण वर्कफ़्लो संभव हो

• बहु-वस्तु ज़ोन निष्कर्षण: कई पहचानी गई बहुभुज वस्तुओं से आयताकार ज़ोन निकालें (जैसे, कई सड़क खंड detections से ज़ोन बनाना, कई मैदान detections से आयताकार क्षेत्र तैयार करना, विभिन्न चिह्नित क्षेत्र detections से ज़ोन निकालना), जिससे बहु-वस्तु ज़ोन निर्माण वर्कफ़्लो संभव हो

अन्य ब्लॉक्स से कनेक्ट करना

यह ब्लॉक बहुभुज मास्क वाली instance segmentation predictions प्राप्त करता है और आयताकार मास्क तथा बाउंडिंग बॉक्स वाली detections उत्पन्न करता है:

• instance segmentation ब्लॉकों के बाद ताकि zone creation या सरलीकृत प्रोसेसिंग के लिए बहुभुज मास्क को आयताकार बाउंडिंग बॉक्स में बदला जा सके, और जटिल आकृतियों से आयताकार ज़ोन निर्माण संभव हो

• ज़ोन-आधारित ब्लॉकों से पहले (जैसे, Polygon Zone, Dynamic Zone) ताकि zone-based workflows के लिए आयताकार क्षेत्र तैयार किए जा सकें (जैसे, सरल आयतों से ज़ोन बनाना, zone monitoring के लिए आयताकार अनुमानों का उपयोग करना, आयताकार क्षेत्रों के साथ ज़ोन वर्कफ़्लो सक्षम करना), जिससे सरलीकृत आकृतियों के साथ zone-based workflows संभव हों

• फ़िल्टरिंग ब्लॉकों के बाद (जैसे, Detections Filter) ताकि आयतों में बदलने से पहले केवल विशिष्ट बहुभुज detections को प्रोसेस किया जा सके (जैसे, आयताकार रूपांतरण से पहले class के आधार पर detections को फ़िल्टर करना, आयत निष्कर्षण के लिए विशिष्ट बहुभुज प्रकारों का चयन करना, zone creation के लिए फ़िल्टर की गई detections तैयार करना), जिससे चयनात्मक आयत निष्कर्षण संभव हो

• crop ब्लॉकों से पहले ताकि बहुभुज detections से आयताकार क्षेत्र निकाले जा सकें (जैसे, बहुभुज आकृतियों से घूर्णित आयताकार क्षेत्रों को crop करना, जटिल detections से आयताकार क्षेत्र निकालना, बहुभुजों से आयताकार crop क्षेत्र तैयार करना), जिससे आयताकार क्षेत्र निष्कर्षण संभव हो

• विज़ुअलाइज़ेशन ब्लॉकों से पहले ताकि जटिल बहुभुजों के सरल आयताकार प्रतिनिधित्व दिखाए जा सकें (जैसे, बहुभुजों के आयताकार अनुमान को विज़ुअलाइज़ करना, घूर्णित बाउंडिंग आयत दिखाना, सरल आयताकार ज़ोन प्रदर्शित करना), जिससे आयताकार विज़ुअलाइज़ेशन आउटपुट संभव हो

• विश्लेषण ब्लॉकों से पहले जो जटिल बहुभुजों की तुलना में आयताकार क्षेत्रों के साथ बेहतर काम करते हैं (जैसे, बहुभुजों के बजाय आयताकार ज़ोन का विश्लेषण करना, सरलीकृत आयताकार क्षेत्रों को प्रोसेस करना, सामान्यीकृत आयताकार आकृतियों के साथ काम करना), जिससे सरलीकृत क्षेत्र विश्लेषण वर्कफ़्लो संभव हो

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/bounding_rect@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..	❌

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 बाउंडिंग आयत संस्करण v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • predictions (instance_segmentation_prediction): बहुभुज मास्क वाली instance segmentation predictions। यह ब्लॉक मास्क के मौजूद होने की आवश्यकता रखता है - यदि मास्क अनुपस्थित हों तो यह त्रुटि उत्पन्न करेगा। प्रत्येक detection के बहुभुज मास्क को न्यूनतम घूर्णित बाउंडिंग आयत की गणना के लिए प्रोसेस किया जाएगा। मास्क में वे बहुभुज आकृतियाँ होनी चाहिए जिन्हें आप आयताकार बाउंडिंग बॉक्स में बदलना चाहते हैं। detections को अलग-अलग प्रोसेस किया जाता है, और प्रत्येक मास्क से सबसे बड़ा कंटूर निकाला जाता है। यह ब्लॉक अपडेट किए गए मास्क (आयताकार), अपडेट किए गए बाउंडिंग बॉक्स (घूर्णित आयतों के axis-aligned बॉक्स), तथा detection.data में संग्रहीत अतिरिक्त आयत मेटाडेटा (आयत निर्देशांक, चौड़ाई, ऊँचाई, कोण) के साथ detections आउटपुट करता है।

• आउटपुट

  • detections_with_rect (instance_segmentation_prediction): sv.Detections(...) object के रूप में पहचाने गए bounding boxes और segmentation masks के साथ prediction।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/bounding_rect@v1",
	    "predictions": "$segmentation.predictions"
	}