semanticsegmentationprediction प्रकार

सेमान्टिक सेगमेंटेशन के लिए प्रति-पिक्सेल क्लास लेबल और कॉन्फ़िडेंस के साथ प्रेडिक्शन।

सिमेंटिक सेगमेंटेशन के लिए प्रति-पिक्सेल वर्ग लेबल और विश्वसनीयता के साथ पूर्वानुमान

डेटा निरूपण

डेटा निरूपण

इस प्रकार की आंतरिक और बाह्य निरूपण अलग-अलग होता है। बाह्य निरूपण आपके वर्कफ़्लो के साथ एकीकरण के लिए प्रासंगिक है, जबकि आंतरिक यह एक कार्यान्वयन विवरण है जो Workflows blocks के विकास में उपयोगी है।

बाह्य

बाह्य डेटा निरूपण Workflows क्लाइंट्स के लिए प्रासंगिक है - यह तय करता है कि डेटा का इनपुट और आउटपुट प्रारूप क्या होगा।

प्रकार: dict

आंतरिक

आंतरिक डेटा निरूपण Workflows ब्लॉक्स के निर्माताओं के लिए प्रासंगिक है - यह वह प्रकार है जिसे Execution Engine रनटाइम में उस ब्लॉक को प्रदान करेगा जो इस प्रकार के इनपुट को उपभोग करता है।

प्रकार: sv.Detections

विवरण

यह प्रकार एकल सिमेंटिक सेगमेंटेशन पूर्वानुमान को एक sv.Detections(...) ऑब्जेक्ट के रूप में दर्शाता है, जिसमें प्रत्येक पूर्वानुमानित वर्ग के लिए एक-एक डिटेक्शन होता है। प्रत्येक डिटेक्शन में उस वर्ग को सौंपे गए सभी पिक्सलों को कवर करने वाला RLE-एन्कोडेड मास्क होता है।

RLE क्यों और बहुभुज क्यों नहीं:

सिमेंटिक सेगमेंटेशन छवि के हर पिक्सेल को एक वर्ग लेबल सौंपता है। एक ही वर्ग कई स्थानिक रूप से असंबद्ध क्षेत्रों में दिखाई दे सकता है (उदा., फ्रेम के विपरीत पक्षों पर दो अलग-अलग "person" क्षेत्र)। बहुभुज-आधारित क्रमांकन उपयोग करता है cv2.findContours()जो केवल पहला सतत कॉन्टूर रखता है और बाकी सभी को चुपचाप हटा देता है - जिससे असतत मास्क के लिए अपरिवर्तनीय डेटा हानि होती है। RLE (Run-Length Encoding, COCO मानक) एक पिक्सेल-स्तरीय एन्कोडिंग है जो स्थानिक टोपोलॉजी की परवाह किए बिना पूरा मास्क दर्शाती है, इसलिए सिमेंटिक सेगमेंटेशन मास्क के लिए यह एकमात्र सही क्रमांकन प्रारूप है।

आंतरिक निरूपण: sv.Detections के साथ:

• xyxy - वर्ग के सभी पिक्सलों को समाहित करने वाला सघन बाउंडिंग बॉक्स

• class_id - पूर्णांक वर्ग ID

• confidence - वर्ग के सभी पिक्सलों पर औसत विश्वसनीयता

• data["class_name"] - वर्ग लेबल स्ट्रिंग

• data["rle_mask"] - COCO RLE डिक्ट्स का numpy ऑब्जेक्ट ऐरे {"size": [H, W], "counts": "..."}

क्रमबद्धित प्रारूप (में प्रति वर्ग एक प्रविष्टि) predictions):

{
    "image": {"width": 640, "height": 480},
    "predictions": [
        {
            "x": 320.0, "y": 240.0, "width": 200.0, "height": 180.0,
            "confidence": 0.92,
            "class_id": 1,
            "class": "person",
            "detection_id": "a1b2c3d4-...",
            "rle_mask": {"size": [480, 640], "counts": "XYZ..."}
        }
    ]
}

RLE मास्क को डिकोड करना:

import pycocotools.mask as mask_utils
import numpy as np

rle = prediction["rle_mask"]
binary_mask = mask_utils.decode(rle).astype(bool)  # shape: (H, W)