YOLO-Worldモデル

ゼロショット物体検出モデルを実行します。

画像にゼロショット物体検出モデル YOLO-World を実行します。

YOLO-World は、画像内で識別したい 1 つ以上のテキストクラスを受け付けます。YOLO-World がそのクラスの物体を識別できる場合、モデルは指定したクラスに一致する物体の位置を返します。

このブロックを本番環境で使用する前に、YOLO-World を試してユースケースでのモデルの評価を行うことをおすすめします。YOLO-World への効果的なプロンプトの与え方については、以下を参照してください。 Roboflow YOLO-World プロンプトガイド.

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/yolo_world_model@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
class_names	List[str]	YOLO-World に検出させたい 1 つ以上のクラス。モデルは任意の文字列を入力として受け付けますが、一般的な物体の短い説明を指定するのが最も効果的です。	✅
version	str	YoloWorld モデルのバリアント。	✅
confidence	float	検出の信頼度しきい値。	✅

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が YOLO-Worldモデル のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • images (image): 推論対象の画像です..

  • class_names (list_of_values): YOLO-World に検出させたい 1 つ以上のクラス。モデルは任意の文字列を入力として受け付けますが、一般的な物体の短い説明を指定するのが最も効果的です。

  • version (string): YoloWorld モデルのバリアント。

  • confidence (float_zero_to_one): 検出の信頼度しきい値。

• 出力

  • predictions (object_detection_prediction): 検出されたバウンディングボックスを sv.Detections(...) オブジェクト形式で含む予測。

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/yolo_world_model@v1",
	    "images": "$inputs.image",
	    "class_names": [
	        "人",
	        "車",
	        "ナンバープレート"
	    ],
	    "version": "v2-s",
	    "confidence": 0.005
	}