डिटेक्शन रूपांतरण

पता लगाए गए बाउंडिंग बॉक्स पर रूपांतरण लागू करें।

UQL (Query Language) ऑपरेशन चेन का उपयोग करके detection predictions पर अनुकूलन योग्य transformations लागू करें, जिससे bounding boxes को लचीले तरीके से संशोधित करना, detections को फ़िल्टर करना, properties निकालना, boxes का आकार बदलना, और उन्नत detection processing workflows के लिए कॉन्फ़िगर की जा सकने वाली operation sequences के माध्यम से अन्य detection manipulations करना संभव होता है।

यह ब्लॉक कैसे काम करता है

यह ब्लॉक UQL operations की एक चेन लागू करके detection predictions को transform करता है, जो detection data को modify, filter, extract, या manipulate कर सकती है। यह ब्लॉक:

1. detection predictions (object detection, instance segmentation, या keypoint detection) और लागू करने के लिए UQL operations की एक सूची प्राप्त करता है

2. सत्यापित करता है कि operations_parameters में आरक्षित parameter names शामिल नहीं हैं

3. प्रदान की गई UQL operation definitions से operations chain बनाता है, और लागू करने के लिए transformations की एक क्रमबद्ध श्रृंखला तैयार करता है

4. operations_parameters को batch parameters (predictions के साथ संरेखित) और non-batch parameters (सभी predictions पर लागू) में विभाजित करता है

5. operations chain लागू करके प्रत्येक prediction batch को प्रोसेस करता है:

   • प्रत्येक batch item के लिए डेटा को संरेखित करने हेतु predictions को batch parameters के साथ zip करता है

   • प्रत्येक prediction के लिए batch और non-batch parameters को evaluation parameters में जोड़ता है

   • combined parameters के साथ detections पर operations chain लागू करता है

   • सत्यापित करता है कि output अभी भी sv.Detections है (operations को detection type को बनाए रखना चाहिए)

6. प्रत्येक input batch के लिए transformed detections लौटाता है

यह ब्लॉक UQL operations की एक विस्तृत श्रृंखला का समर्थन करता है, जिसमें filtering (DetectionsFilter), property extraction (ExtractDetectionProperty), bounding box transformations (resizing, scaling), और अन्य detection manipulations शामिल हैं। Operations क्रमिक रूप से लागू होते हैं, जिससे operation chaining के माध्यम से जटिल transformations संभव होती हैं। यह ब्लॉक सत्यापित करता है कि transformations detection type को बनाए रखते हैं, जिससे output अन्य detection-processing blocks के साथ संगत रहता है। Batch और non-batch parameters operation parameterization को लचीला बनाते हैं, जो per-detection और global parameter values दोनों का समर्थन करते हैं।

सामान्य उपयोग के मामले

• उन्नत Detection Filtering: detection predictions पर जटिल filtering logic लागू करें (जैसे, conditional statements का उपयोग करके class names के आधार पर detections को filter करें, multiple conditions के साथ confidence thresholds के आधार पर filter करें, detection properties के आधार पर custom filtering criteria लागू करें), जिससे परिष्कृत detection selection workflows संभव हों

• Bounding Box Transformations: bounding box sizes, positions, या properties को संशोधित करें (जैसे, bounding boxes का proportionally resize करना, boxes को percentage से scale करना, box coordinates समायोजित करना, box dimensions transform करना), जिससे लचीला bounding box manipulation संभव हो

• Property Extraction and Filtering: detection properties को extract करें और निकाले गए values के आधार पर filter करें (जैसे, class names निकालकर class lists के आधार पर filter करना, confidence scores निकालकर thresholds के आधार पर filter करना, conditional processing के लिए properties निकालना), जिससे property-based detection processing संभव हो

• Multi-Conditional Processing: multiple detection criteria के आधार पर जटिल conditional transformations लागू करें (जैसे, class और confidence combinations के आधार पर detections transform करना, विभिन्न detection types के लिए अलग operations लागू करना, multiple properties के आधार पर detections को conditional रूप से modify करना), जिससे परिष्कृत conditional detection processing संभव हो

• Detection Data Enrichment: downstream processing के लिए detections में properties निकालें और जोड़ें (जैसे, filtering के लिए class names निकालना, detection properties की गणना करना, detections में metadata जोड़ना), जिससे जटिल workflows के लिए समृद्ध detection data संभव हो

• Custom Detection Manipulation: dedicated blocks में उपलब्ध न होने वाले custom transformations लागू करें (जैसे, complex multi-step detection modifications, custom filtering और transformation combinations, specialized detection processing workflows), जिससे लचीला custom detection processing संभव हो

अन्य ब्लॉकों से जोड़ना

यह ब्लॉक detection predictions प्राप्त करता है और transformed detections उत्पन्न करता है:

• Detection blocks के बाद (जैसे, Object Detection, Instance Segmentation, Keypoint Detection) custom transformations, filtering, या detections predictions में modifications लागू करने के लिए, जिससे लचीले detection processing workflows संभव हों

• Dynamic crop blocks से पहले cropping से पहले detections को filter या modify करने के लिए (जैसे, cropping से पहले class के आधार पर detections filter करना, cropping से पहले box sizes transform करना, cropping के लिए specific detections निकालना), जिससे optimized region extraction workflows संभव हों

• Classification या analysis blocks से पहले custom filtering या transformations के साथ detections तैयार करने के लिए (जैसे, विशिष्ट analysis के लिए detections filter करना, compatibility के लिए boxes transform करना, custom criteria के साथ detections तैयार करना), जिससे customized detection preparation संभव हो

• Multi-stage detection workflows में जहाँ stages के बीच detections को custom transformations की आवश्यकता होती है (जैसे, secondary processing से पहले initial detections को filter और transform करना, detection stages के बीच custom modifications लागू करना, criteria के आधार पर detections को conditionally process करना), जिससे परिष्कृत multi-stage workflows संभव हों

• विज़ुअलाइज़ेशन ब्लॉकों से पहले display के लिए detections को filter या transform करने के लिए (जैसे, visualization के लिए detections filter करना, presentation के लिए boxes transform करना, display उद्देश्यों के लिए detections customize करना), जिससे optimized visual outputs संभव हों

• Detection blocks के बाद और अन्य transformation blocks से पहले transformations के बीच custom logic लागू करने के लिए (जैसे, detection के बाद और cropping से पहले filter करना, detection stages के बीच transform करना, conditional modifications लागू करना), जिससे custom logic के साथ जटिल transformation pipelines संभव हों

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फील्ड: roboflow_core/detections_transformation@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..	❌
operations	List[Union[ClassificationPropertyExtract, ConvertDictionaryToJSON, ConvertImageToBase64, ConvertImageToJPEG, DetectionsFilter, DetectionsOffset, DetectionsPropertyExtract, DetectionsRename, DetectionsSelection, DetectionsShift, DetectionsToDictionary, Divide, ExtractDetectionProperty, ExtractFrameMetadata, ExtractImageProperty, LookupTable, Multiply, NumberRound, NumericSequenceAggregate, PickDetectionsByParentClass, RandomNumber, SequenceAggregate, SequenceApply, SequenceElementsCount, SequenceLength, SequenceMap, SortDetections, StringMatches, StringSubSequence, StringToLowerCase, StringToUpperCase, TimestampToISOFormat, ToBoolean, ToNumber, ToString]]	UQL (Query Language) operations की वह सूची जिसे detections पर क्रमिक रूप से लागू किया जाता है। Operations क्रम में निष्पादित होते हैं, और प्रत्येक operation पिछले operation का output प्राप्त करता है। समर्थित operations में DetectionsFilter (conditions के आधार पर detections को filter करना), ExtractDetectionProperty (detections से properties निकालना), bounding box transformations (resizing, scaling), और अन्य UQL operations शामिल हैं जो sv.Detections को स्वीकार और वापस करते हैं। Operations को operations_parameters का उपयोग करके parameterize किया जा सकता है। Operations chain को sv.Detections को sv.Detections में transform करना चाहिए (type बना रहना चाहिए)..	❌

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 पहचानों का रूपांतरण संस्करण में v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • भविष्यवाणियाँ (Union[instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): detection predictions को UQL operations का उपयोग करके transform करने के लिए। यह object detection, instance segmentation, या keypoint detection predictions का समर्थन करता है। Detections को operations field में परिभाषित operations chain द्वारा transform किया जाएगा। सभी transformations को detection type को बनाए रखना चाहिए (output sv.Detections ही रहना चाहिए)। यह ब्लॉक batch inputs को प्रोसेस करता है और प्रत्येक batch item पर transformations लागू करता है..

  • operations_parameters (*): parameter names (जो operations में उपयोग किए जाते हैं) को workflow data sources या values से मैप करने वाला dictionary। Parameters operations में संदर्भित किए जाते हैं (जैसे, conditional statements में, filter operations में) और runtime पर प्रदान किए जाते हैं। यह batch parameters (predictions के साथ संरेखित, प्रत्येक batch item के लिए एक value) और non-batch parameters (सभी batch items के लिए समान value) दोनों का समर्थन करता है। Parameters को उनकी data structure के आधार पर automatically batch और non-batch में अलग किया जाता है। आरक्षित parameter names का उपयोग नहीं किया जा सकता। इसका उपयोग operations को dynamically parameterize करने के लिए करें (जैसे, filtering के लिए class lists प्रदान करना, conditions के लिए thresholds देना, runtime parameters की आवश्यकता वाले operations के लिए values supply करना)..

• आउटपुट

  • भविष्यवाणियाँ (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction]): यदि object_detection_prediction या यदि instance_segmentation_prediction या sv.Detections(...) ऑब्जेक्ट के रूप में पहचाने गए बाउंडिंग बॉक्स और पहचाने गए कीपॉइंट वाले पूर्वानुमान यदि keypoint_detection_prediction.

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/detections_transformation@v1",
	    "predictions": "$steps.object_detection_model.predictions",
	    "operations": [
	        {
	            "filter_operation": {
	                "statements": [
	                    {
	                        "comparator": {
	                            "type": "in (Sequence)"
	                        },
	                        "left_operand": {
	                            "operations": [
	                                {
	                                    "property_name": "class_name",
	                                    "type": "ExtractDetectionProperty"
	                                }
	                            ],
	                            "type": "DynamicOperand"
	                        },
	                        "right_operand": {
	                            "operand_name": "classes",
	                            "type": "DynamicOperand"
	                        },
	                        "type": "BinaryStatement"
	                    }
	                ],
	                "type": "StatementGroup"
	            },
	            "type": "DetectionsFilter"
	        }
	    ],
	    "operations_parameters": {
	        "classes": "$inputs.classes"
	    }
	}