मास्क विज़ुअलाइज़ेशन

किसी छवि में पहचानी गई वस्तुओं पर एक मास्क लागू करें।

विभाजन मास्कों को अर्ध-पारदर्शी रंगीन ओवरले से भरें, जिससे ठोस रंग भराव बनते हैं जो इंस्टेंस सेगमेंटेशन पूर्वानुमानों से पता लगाए गए ऑब्जेक्ट्स के आकार का ठीक-ठीक अनुसरण करते हैं।

यह ब्लॉक कैसे काम करता है

यह ब्लॉक एक इमेज और इंस्टेंस सेगमेंटेशन पूर्वानुमान (मास्क सहित) लेता है और मास्क क्षेत्रों को रंगीन ओवरले से भरता है। यह ब्लॉक:

1. इनपुट के रूप में एक इमेज और इंस्टेंस सेगमेंटेशन पूर्वानुमान (मास्क सहित) लेता है

2. पूर्वानुमानों से प्रत्येक पता लगाए गए ऑब्जेक्ट के लिए सेगमेंटेशन मास्क निकालता है

3. चुने गए रंग पैलेट के आधार पर प्रत्येक मास्क पर रंग-शैली लागू करता है, जिसमें रंग क्लास, इंडेक्स, या ट्रैक ID के अनुसार असाइन किए जाते हैं

4. Supervision के MaskAnnotator का उपयोग करके मास्क क्षेत्रों को ठोस रंगों से भरता है

5. निर्दिष्ट अपारदर्शिता स्तर का उपयोग करके रंगीन मास्क ओवरले को मूल इमेज के साथ मिश्रित करता है

6. एक एनोटेटेड इमेज लौटाता है जिसमें मास्क क्षेत्र अर्ध-पारदर्शी रंगों से भरे होते हैं, जबकि बिना मास्क वाले क्षेत्र अपरिवर्तित रहते हैं

यह ब्लॉक प्रत्येक ऑब्जेक्ट के सेगमेंटेशन मास्क के सटीक आकार को रंगीन ओवरले से भरता है, जिससे ठोस रंग भराव बनते हैं जो ऑब्जेक्ट की सीमाओं का बिल्कुल अनुसरण करते हैं। बहुभुज विज़ुअलाइज़ेशन (जो आउटलाइन बनाता है) या बाउंडिंग बॉक्स विज़ुअलाइज़ेशन (जो आयताकार क्षेत्रों का उपयोग करता है) के विपरीत, मास्क विज़ुअलाइज़ेशन पूरे मास्क क्षेत्र को रंग से भरता है, जिससे सेगमेंट किए गए क्षेत्रों का स्पष्ट दृश्य संकेत मिलता है। अपारदर्शिता पैरामीटर नियंत्रित करता है कि मास्क ओवरले कितना पारदर्शी है, जिससे आप रंगीन मास्क के माध्यम से मूल इमेज का विवरण देख सकते हैं (कम अपारदर्शिता) या अधिक अपारदर्शी भराव (उच्च अपारदर्शिता) बना सकते हैं जो पृष्ठभूमि के विवरण को बेहतर ढंग से ढकते हैं। इस ब्लॉक को मास्क डेटा वाले इंस्टेंस सेगमेंटेशन पूर्वानुमानों की आवश्यकता होती है, क्योंकि यह विशेष रूप से सेगमेंटेशन मास्क के साथ काम करके सटीक, आकार-अनुसरण करने वाले रंग भराव बनाता है।

सामान्य उपयोग के मामले

• इंस्टेंस सेगमेंटेशन विज़ुअलाइज़ेशन: रंगों से मास्क क्षेत्रों को भरकर इंस्टेंस सेगमेंटेशन परिणामों को विज़ुअलाइज़ करें, ताकि सेगमेंट किए गए ऑब्जेक्ट स्पष्ट रूप से दिखें, सेगमेंटेशन गुणवत्ता की पुष्टि करें, या विश्लेषण वर्कफ़्लो में पता लगाए गए क्षेत्रों को हाइलाइट करें

• सटीक आकार-अनुसरण करने वाले ओवरले: ऑब्जेक्ट्स को ऐसे रंगों से भरें जो उनके सेगमेंट किए गए आकारों से बिल्कुल मेल खाते हों, उन अनुप्रयोगों के लिए उपयोगी जहाँ सटीक क्षेत्र विज़ुअलाइज़ेशन आवश्यक हो, जैसे मेडिकल इमेजिंग, गुणवत्ता नियंत्रण, या सटीक ऑब्जेक्ट पहचान

• मास्क-आधारित ऑब्जेक्ट हाइलाइटिंग: सेगमेंट किए गए ऑब्जेक्ट्स को ऐसे रंगीन ओवरले से हाइलाइट करें जो ऑब्जेक्ट की सटीक सीमाओं का अनुसरण करते हैं, जिससे विभिन्न ऑब्जेक्ट्स या ऑब्जेक्ट क्लासेज़ के बीच स्पष्ट दृश्य अंतर मिलता है

• सेगमेंटेशन मॉडल सत्यापन: मॉडल के प्रदर्शन की पुष्टि करने, सेगमेंटेशन त्रुटियों की पहचान करने, या मॉडल विकास और डीबगिंग वर्कफ़्लो में मास्क सटीकता को सत्यापित करने के लिए रंगीन मास्क भराव के साथ सेगमेंटेशन पूर्वानुमानों को विज़ुअलाइज़ करें

• मेडिकल और वैज्ञानिक इमेजिंग: चिकित्सा इमेजिंग, माइक्रोस्कोपी, या वैज्ञानिक विश्लेषण अनुप्रयोगों में सेगमेंट की गई क्षेत्रों को प्रदर्शित करें, जहाँ रंगीन मास्क ओवरले ऊतक सीमाएँ, कोशिका क्षेत्र, या मापे गए क्षेत्रों को विज़ुअलाइज़ करने में मदद करते हैं

• मास्क गुणवत्ता निरीक्षण: सेगमेंटेशन गुणवत्ता का निरीक्षण करने, मास्क सीमाओं की पुष्टि करने, या उन क्षेत्रों की पहचान करने के लिए रंगीन मास्क भराव का उपयोग करें जहाँ प्रशिक्षण डेटा या मॉडल आउटपुट में सुधार की आवश्यकता हो सकती है

अन्य ब्लॉकों से जोड़ना

इस ब्लॉक की एनोटेटेड छवि को इससे जोड़ा जा सकता है:

• अन्य दृश्यकरण ब्लॉक (उदा., लेबल विज़ुअलाइज़ेशन, बहुभुज विज़ुअलाइज़ेशन, बाउंडिंग बॉक्स विज़ुअलाइज़ेशन) ताकि मास्क भराव को अतिरिक्त एनोटेशन (लेबल, आउटलाइन) के साथ संयोजित करके संपूर्ण विज़ुअलाइज़ेशन बनाया जा सके

• डेटा संग्रहण ब्लॉक (उदा., लोकल फ़ाइल सिंक, CSV फ़ॉर्मैटर, Roboflow डेटासेट अपलोड) ताकि दस्तावेज़ीकरण, रिपोर्टिंग, या विश्लेषण के लिए मास्क ओवरले वाली इमेजें सहेजी जा सकें

• Webhook ब्लॉक मास्क भराव वाले विज़ुअलाइज़्ड परिणामों को बाहरी सिस्टम, APIs, या वेब अनुप्रयोगों को डैशबोर्ड या मॉनिटरिंग टूल में प्रदर्शित करने के लिए भेजने हेतु

• सूचना ब्लॉक (उदा., ईमेल सूचना, Slack सूचना) ताकि अलर्ट या रिपोर्ट में दृश्य प्रमाण के रूप में मास्क ओवरले वाली एनोटेटेड इमेजें भेजी जा सकें

• वीडियो आउटपुट ब्लॉक लाइव मॉनिटरिंग, सेगमेंटेशन विज़ुअलाइज़ेशन, या पोस्ट-प्रोसेसिंग विश्लेषण के लिए मास्क भराव के साथ एनोटेटेड वीडियो स्ट्रीम या रिकॉर्डिंग बनाने हेतु

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फील्ड: roboflow_core/mask_visualization@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..	❌
copy_image	bool	दृश्यकरण के लिए इनपुट छवि की एक प्रति बनाने और मूल को सुरक्षित रखने के लिए इस विकल्प को सक्षम करें। जब आप कई दृश्यकरणों को एक साथ जोड़ रहे हों, तब इसका उपयोग करें..	✅
color_palette	str	दृश्यित तत्वों के लिए एक रंग पैलेट चुनें..	✅
palette_size	int	पैलेट में रंगों की संख्या निर्दिष्ट करें। यह कस्टम या Matplotlib पैलेट का उपयोग करते समय लागू होता है..	✅
custom_colors	List[str]	HEX प्रारूप में bounding boxes के लिए कस्टम रंगों की एक सूची परिभाषित करें..	✅
color_axis	str	चुनें कि bounding box के रंग कैसे असाइन किए जाते हैं..	✅
अपारदर्शिता	float	मास्क ओवरले की अपारदर्शिता, 0.0 (पूर्णतः पारदर्शी) से 1.0 (पूर्णतः अपारदर्शी) तक। रंगीन मास्क भराव की पारदर्शिता को नियंत्रित करता है। निम्न मान (जैसे, 0.3-0.5) अर्ध-पारदर्शी ओवरले बनाते हैं जो मूल इमेज के विवरण को दिखाई देने देते हैं, जबकि उच्च मान (जैसे, 0.7-1.0) अधिक अपारदर्शी भराव बनाते हैं जो पृष्ठभूमि के विवरण को बेहतर ढंग से ढकते हैं। सामान्य मान 0.4 से 0.7 के बीच होते हैं, संतुलित विज़ुअलाइज़ेशन के लिए जहाँ मास्क और अंतर्निहित इमेज दोनों दिखाई देते हैं..	✅

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 मास्क दृश्यीकरण संस्करण में v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • image (image): जिस छवि पर दृश्यकरण करना है..

  • copy_image (boolean): दृश्यकरण के लिए इनपुट छवि की एक प्रति बनाने और मूल को सुरक्षित रखने के लिए इस विकल्प को सक्षम करें। जब आप कई दृश्यकरणों को एक साथ जोड़ रहे हों, तब इसका उपयोग करें..

  • भविष्यवाणियाँ (Union[instance_segmentation_prediction, rle_instance_segmentation_prediction, semantic_segmentation_prediction]): पता लगाए गए ऑब्जेक्ट्स के लिए मास्क वाले सेगमेंटेशन पूर्वानुमान। यह ब्लॉक ऑब्जेक्ट या क्लास सीमाओं का ठीक-ठीक अनुसरण करने वाले रंगीन भराव बनाने के लिए सेगमेंटेशन मास्क का उपयोग करता है। मास्क डेटा वाले सेगमेंटेशन मॉडल आउटपुट की आवश्यकता होती है, जो RLE-एन्कोडेड भी हो सकते हैं..

  • color_palette (स्ट्रिंग): दृश्यित तत्वों के लिए एक रंग पैलेट चुनें..

  • palette_size (integer): पैलेट में रंगों की संख्या निर्दिष्ट करें। यह कस्टम या Matplotlib पैलेट का उपयोग करते समय लागू होता है..

  • custom_colors (list_of_values): HEX प्रारूप में bounding boxes के लिए कस्टम रंगों की एक सूची परिभाषित करें..

  • color_axis (स्ट्रिंग): चुनें कि bounding box के रंग कैसे असाइन किए जाते हैं..

  • अपारदर्शिता (float_zero_to_one): मास्क ओवरले की अपारदर्शिता, 0.0 (पूर्णतः पारदर्शी) से 1.0 (पूर्णतः अपारदर्शी) तक। रंगीन मास्क भराव की पारदर्शिता को नियंत्रित करता है। निम्न मान (जैसे, 0.3-0.5) अर्ध-पारदर्शी ओवरले बनाते हैं जो मूल इमेज के विवरण को दिखाई देने देते हैं, जबकि उच्च मान (जैसे, 0.7-1.0) अधिक अपारदर्शी भराव बनाते हैं जो पृष्ठभूमि के विवरण को बेहतर ढंग से ढकते हैं। सामान्य मान 0.4 से 0.7 के बीच होते हैं, संतुलित विज़ुअलाइज़ेशन के लिए जहाँ मास्क और अंतर्निहित इमेज दोनों दिखाई देते हैं..

• आउटपुट

  • image (image): वर्कफ़्लो में छवि।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/mask_visualization@v1",
	    "image": "$inputs.image",
	    "copy_image": true,
	    "predictions": "$steps.instance_segmentation_model.predictions",
	    "color_palette": "DEFAULT",
	    "palette_size": 10,
	    "custom_colors": [
	        "#FF0000",
	        "#00FF00",
	        "#0000FF"
	    ],
	    "color_axis": "CLASS",
	    "opacity": 0.5
	}