For the complete documentation index, see llms.txt. This page is also available as Markdown.

ट्रैक क्लास लॉक

class flicker को समाप्त करने के लिए बहुमत मतदान द्वारा प्रत्येक tracked object की class को लॉक करें।

बहुमत मतदान द्वारा प्रत्येक ट्रैक किए गए ऑब्जेक्ट के क्लास लेबल को लॉक करें, जिससे वीडियो वर्कफ़्लो में क्लास-फ़्लिकर समाप्त हो जाता है, जहाँ एक मॉडल एक ही भौतिक ऑब्जेक्ट के लिए समान वर्गों के बीच बारी-बारी से बदलता रहता है।

यह ब्लॉक कैसे काम करता है

यह ब्लॉक प्रति-ट्रैक मतदान स्थिति बनाए रखता है, जिसे छवि के video_metadata में एम्बेड किए गए video_identifier द्वारा कुंजीबद्ध किया जाता है:

  1. लॉक होने से पहले, हर योग्य फ़्रेम (confidence >= vote_confidence) अनुमानित क्लास के लिए एक वोट के रूप में गिना जाता है। जब कोई क्लास min_votes वोट इकट्ठा कर लेता है और runner-up क्लास से कम से कम lead_margin वोट आगे हो जाता है, तब वह लॉक हो जाता है।

  2. लॉक होने के बाद, लॉक की गई क्लास उस ट्रैक के हर बाद के डिटेक्शन में लिखी जाती है। रिपोर्ट की गई confidence गिने गए वोटों का चलित औसत होती है (1.0 तक सीमित)।

  3. एक लॉक की गई क्लास केवल switch_after लगातार योग्य फ़्रेमों में उसी चुनौतीकर्ता क्लास के आने के बाद बदल सकती है। चुनौतीकर्ता का साक्ष्य streak-scoped होता है: streak काउंटर और उसका confidence योग दोनों तब रीसेट हो जाते हैं जब भी streak टूटती है, और सफल स्विच पर नई क्लास की गिनतियाँ केवल streak मानों से ही आरंभ की जाती हैं, इसलिए रिपोर्ट की गई confidence कभी 1.0 से अधिक नहीं होती।

  4. जब कोई नया tracker id वहाँ दिखाई देता है जहाँ हाल ही में एक लॉक किया गया ट्रैक गायब हो गया था (reattach_window फ़्रेमों के भीतर, bounding box IoU >= reattach_iou), तो नया ट्रैक खोए हुए ट्रैक का लॉक और मतदान स्थिति विरासत में लेता है। इससे छोटे डिटेक्शन गैप या आच्छादन से होने वाले tracker id स्विच के बावजूद लॉक बने रहते हैं। केवल लॉक किए गए ट्रैक विरासत में लिए जाते हैं, और जो ट्रैक वर्तमान फ़्रेम में अभी भी मौजूद है, उसे कभी विरासत में नहीं लिया जाता। reattach_window को 0 पर सेट करके पुनः-अटैचमेंट अक्षम करें।

  5. state_ttl फ़्रेमों तक न देखे गए ट्रैक्स की स्थिति हटा दी जाती है। रखी गई प्रति-वीडियो ट्रैक स्थिति की भी एक अधिकतम सीमा होती है, जिसमें सबसे कम हाल में देखे गए ट्रैक्स हटाए जाते हैं, ताकि उच्च tracker-id बदलाव के बावजूद स्थिति सीमित रहे। प्रत्येक ट्रैक सीमित संख्या में अलग-अलग क्लासों के लिए मतदान स्थिति रखता है।

प्रत्येक डिटेक्शन को एक बूलियन से एनोटेट किया जाता है class_locked फ़्लैग detections.data में।

आवश्यकताएँ

डिटेक्शनों में tracker_id होना चाहिए (इस ब्लॉक को Byte Tracker जैसे किसी ट्रैकिंग ब्लॉक के बाद जोड़ें)। छवि का video_metadata प्रत्येक वीडियो स्ट्रीम के लिए अलग स्थिति बनाए रखने के लिए उपयोग किया जाता है।

प्रकार पहचानकर्ता

चरण में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/track_class_lock@v1 ताकि ब्लॉक को अपने वर्कफ़्लो में एक चरण के रूप में जोड़ा जा सके।

गुण

नाम

प्रकार

विवरण

संदर्भ

नाम

str

इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..

❌

min_votes

int

किसी क्लास को प्रारंभिक लॉक प्राप्त करने से पहले जितने संचयी योग्य वोट चाहिए। अधिक मान लॉकिंग में देरी करते हैं, लेकिन प्रारंभिक निर्णय को अधिक विश्वसनीय बनाते हैं..

✅

vote_confidence

float

किसी फ़्रेम को गिना जाने के लिए न्यूनतम भविष्यवाणी confidence, pre-lock वोटों और post-lock challenger streaks दोनों के लिए। इस सीमा से नीचे के फ़्रेमों को अनदेखा किया जाता है..

✅

lead_margin

int

वोटों की वह संख्या जिसके जितना शीर्ष क्लास को लॉक होने से पहले runner-up से आगे होना चाहिए। जब दो क्लासों के बीच प्रतिस्पर्धा हो, तो यह समय से पहले लॉक होने से रोकता है..

✅

switch_after

int

मौजूदा लॉक को बदलने के लिए उसी चुनौतीकर्ता क्लास के लगातार योग्य फ़्रेमों की संख्या आवश्यक। कोई भी व्यवधान streak को रीसेट कर देता है। न्यूनतम 1 (1 का मान एक ही विपरीत फ़्रेम पर स्विच कर देता है; बहु-फ़्रेम streak लागू करने के लिए >= 2 का उपयोग करें)..

✅

state_ttl

int

उन फ़्रेमों की संख्या जिसके बाद न देखे गए ट्रैक्स की स्थिति हटा दी जाती है..

✅

reattach_window

int

जब कोई नया tracker id वहाँ दिखाई देता है जहाँ एक लॉक किया गया ट्रैक इतने फ़्रेमों के भीतर गायब हो गया था, तो नया ट्रैक खोए हुए ट्रैक का लॉक और वोट विरासत में लेता है। छोटे डिटेक्शन गैप से होने वाले tracker id स्विच को जोड़ता है। पुनः-अटैचमेंट अक्षम करने के लिए 0 पर सेट करें..

✅

reattach_iou

float

लॉक विरासत में लेने के लिए, नए डिटेक्शन के bounding box और हाल ही में खोए गए लॉक ट्रैक के आखिरी ज्ञात bounding box के बीच न्यूनतम IoU। अधिक मानों में आवश्यकता होती है कि वस्तु उसी स्थान के अधिक करीब फिर से दिखाई दे जहाँ वह गायब हुई थी..

✅

यह संदर्भ कॉलम उस संभावना को चिह्नित करता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो उपलब्ध हैं वर्कफ़्लो रनटाइम में। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

सॉफ्ट - रनटाइम hosted_serverless, dedicated_deployment; निष्पादन रिमोट; इनपुट वीडियो : ब्लॉक प्रति-वीडियो स्थिति को प्रक्रिया मेमोरी में बनाए रखता है (video_metadata.video_identifier द्वारा key किया गया)। Stateless या multi-replica HTTP runtimes पर remote step execution के साथ, क्रमिक अनुरोध अलग-अलग worker processes द्वारा सर्व किए जा सकते हैं, इसलिए calls के बीच state reset हो जाता है और tracking / counting / aggregation के लिए output अर्थहीन हो जाता है। स्थिर cross-frame results के लिए InferencePipeline में local step execution का उपयोग करें।

सॉफ्ट - इनपुट छवि : ब्लॉक वीडियो या repeated-frame workflows से प्राप्त temporal context पर निर्भर करता है। एक स्थिर image/photo के साथ, ट्रैक करने, तुलना करने, एकत्रित करने या दृश्यीकृत करने के लिए कोई अर्थपूर्ण history नहीं होती, इसलिए यह ब्लॉक बहुत कम या कोई लाभ नहीं देता।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन इसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार ट्रैक क्लास लॉक संस्करण में v1 हैं।

इनपुट और आउटपुट बाइंडिंग्स
  • इनपुट

    • छवि (छवि): एम्बेडेड वीडियो metadata वाली छवि। video_metadata में video_identifier होता है, जिसका उपयोग अलग-अलग वीडियो के लिए अलग मतदान स्थिति बनाए रखने हेतु किया जाता है..

    • डिटेक्शंस (Union[instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction, rle_instance_segmentation_prediction]): ट्रैक की गई भविष्यवाणियाँ (object detection, instance segmentation, keypoint detection या RLE instance segmentation)। इसमें tracking ब्लॉक से tracker_id जानकारी शामिल होनी चाहिए..

    • min_votes (integer): किसी क्लास को प्रारंभिक लॉक प्राप्त करने से पहले जितने संचयी योग्य वोट चाहिए। अधिक मान लॉकिंग में देरी करते हैं, लेकिन प्रारंभिक निर्णय को अधिक विश्वसनीय बनाते हैं..

    • vote_confidence (float_zero_to_one): किसी फ़्रेम को गिना जाने के लिए न्यूनतम भविष्यवाणी confidence, pre-lock वोटों और post-lock challenger streaks दोनों के लिए। इस सीमा से नीचे के फ़्रेमों को अनदेखा किया जाता है..

    • lead_margin (integer): वोटों की वह संख्या जिसके जितना शीर्ष क्लास को लॉक होने से पहले runner-up से आगे होना चाहिए। जब दो क्लासों के बीच प्रतिस्पर्धा हो, तो यह समय से पहले लॉक होने से रोकता है..

    • switch_after (integer): मौजूदा लॉक को बदलने के लिए उसी चुनौतीकर्ता क्लास के लगातार योग्य फ़्रेमों की संख्या आवश्यक। कोई भी व्यवधान streak को रीसेट कर देता है। न्यूनतम 1 (1 का मान एक ही विपरीत फ़्रेम पर स्विच कर देता है; बहु-फ़्रेम streak लागू करने के लिए >= 2 का उपयोग करें)..

    • state_ttl (integer): उन फ़्रेमों की संख्या जिसके बाद न देखे गए ट्रैक्स की स्थिति हटा दी जाती है..

    • reattach_window (integer): जब कोई नया tracker id वहाँ दिखाई देता है जहाँ एक लॉक किया गया ट्रैक इतने फ़्रेमों के भीतर गायब हो गया था, तो नया ट्रैक खोए हुए ट्रैक का लॉक और वोट विरासत में लेता है। छोटे डिटेक्शन गैप से होने वाले tracker id स्विच को जोड़ता है। पुनः-अटैचमेंट अक्षम करने के लिए 0 पर सेट करें..

    • reattach_iou (float_zero_to_one): लॉक विरासत में लेने के लिए, नए डिटेक्शन के bounding box और हाल ही में खोए गए लॉक ट्रैक के आखिरी ज्ञात bounding box के बीच न्यूनतम IoU। अधिक मानों में आवश्यकता होती है कि वस्तु उसी स्थान के अधिक करीब फिर से दिखाई दे जहाँ वह गायब हुई थी..

  • आउटपुट

    • tracked_detections (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]): यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स वाली भविष्यवाणी object_detection_prediction या यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स और सेगमेंटेशन मास्क वाली भविष्यवाणी instance_segmentation_prediction या, यदि sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए bounding boxes और keypoints वाला Prediction हो keypoint_detection_prediction या यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स और RLE-एन्कोडेड सेगमेंटेशन मास्क वाली भविष्यवाणी rle_instance_segmentation_prediction.

उदाहरण JSON परिभाषा

अंतिम अपडेट

क्या यह उपयोगी था?