> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/video-processing/action-recognition-model.md).

# 行動認識モデル

動画フレームの範囲にわたる行動とイベントを分類します。

動画ストリーム内のアクションとイベントを分類します。このブロックは各ストリームを継続的にスライディングウィンドウへサンプリングし、各モデル結果を累積タイムラインに追加します。最初の分類は、ストリーム開始の1ストライド後に実行されます。その後の分類は各ストライドごとに実行されます。デフォルトでは、ストライドはウィンドウと同じであるため、連続するウィンドウは重なりなくストリームを敷き詰めます。より細かな範囲境界のために重なり合うウィンドウをスライドさせるには、より小さいストライドを設定してください。範囲は重複可能です。タイムラインの範囲は、ブロックがモデルの根拠をマージしたときにのみ拡大します。ブロックは暫定的に範囲を延長しません。タイムラインは各ストリームにつき最大5000範囲まで保持します。この上限を超えたストリームでは、最も早く終了した範囲が失われるため、タイムラインはすべての履歴ではなく最近の履歴をカバーします。ストリームがソースFPSを提供しない場合、ブロックは30 FPSとみなして警告を記録します。

ウィンドウ長とサンプルレートはブロック設定ではなくモデルの一部です。ファインチューニングされたモデルは学習に使用した値を宣言し、その他のモデルは既定値（毎秒4フレームの16秒ウィンドウ）を宣言します。

ストリームが終了してもブロックは追加の分類を実行しないため、最終予定呼び出し以降のフレームは結果を受け取りません。有限のクリップでは、ストライドをクリップより短く保ってください。最初の分類は1回分のストライド全体を待つため、より長いストライドは一度も実行されません。末尾の分類にはストリーム終了シグナルが必要で、別途計画されています。

このブロックは、完全な時間的挙動のために InferencePipeline と併用してください。静止画像と HTTP 実行では連続ストリームは提供されません。単一フレームには時間的コンテンツがないため、これらの経路は空のタイムラインを返します。

このブロックはファインチューニング済みモデルのみを対象としています。動画全体で学習されたモデルは各クリップを1回の呼び出しで処理しますが、ストリームにはまたがる終端がないため、このブロックはそれを拒否し、代わりにアクション認識エンドポイントを指定します。

クラス語彙は任意です。空のままにするとモデルが持つすべてのクラスを報告し、クラスを列挙するとその一部に絞って報告します。モデル呼び出しが失敗した場合、error\_status にはそのフレームのエラーテキストが入り、ストリームは継続します。

必要なサンプルが欠落している場合、ブロックはそのウィンドウをスキップし、error\_status にそれらのソースフレームインデックスを報告します。後続の完全なウィンドウでは推論が再開されます。サンプリングによって意図的にスキップされたソースフレームは欠落ではありません。

### タイプ識別子

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/roboflow_action_recognition_model@v1` を、ワークフローにステップとして追加します。

### 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_filter`   | `List[str]`            | 受け入れ可能なクラスの一覧です。クラスはモデルの学習セットに存在する必要があり、出力はこのサブセットに制限されます。空のままにすると、モデルが持つすべてのクラスを報告します。                             | ✅  |
| `model_id`       | `str`                  | Roboflowモデル識別子。。                                                                                                    | ✅  |
| `confidence`     | `Optional[float, str]` | 結合前の候補しきい値です。"best" はモデル評価時のしきい値を使用し、"default" または空はモデル組み込みの値を使用します。あるいは float を渡してください。                            | ✅  |
| `stride_seconds` | `float`                | 分類呼び出し間の時間です。空のままにすると、モデルに記録されたオーバーラップでウィンドウを分類します。より小さいストライドは重なり合うウィンドウをスライドさせ、より細かな範囲境界を実現しますが、その分モデル呼び出し回数が増えます。 | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`ソフト` - ランタイム `hosted_serverless`, `dedicated_deployment`; 実行 `リモート`; 入力 `動画` : このブロックは、動画ごとの状態をプロセスメモリ内に保持します（video\_metadata.video\_identifierでキー付け）。ステートレスまたは複数レプリカのHTTPランタイムでリモートステップ実行を行うと、連続したリクエストが異なるワーカープロセスで処理される可能性があるため、呼び出し間で状態がリセットされ、トラッキング／カウント／集計には出力が無意味になります。フレーム間で安定した結果を得るには、InferencePipeline内でローカルステップ実行を使用してください。

`ハード` - ランタイム `self_hosted_cpu`; 実行 `ローカル` GPU が必要です。アクション認識には CUDA が必要です。

`ソフト` - 入力 `image` : このブロックは、動画または繰り返しフレームのワークフローからの時間的コンテキストに依存します。静止画像／写真では、追跡、比較、集計、可視化に意味のある履歴がないため、このブロックの利点はほとんど、またはまったくありません。

`ハード` - 実行 `リモート` ：REMOTE ステップ実行では、どのランタイム・どの入力でも run() は NotImplementedError を送出します。このブロックは動画ごとの状態を自身のインスタンス内に保持し、LOCAL ステップ実行のみをサポートします。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `行動認識モデル` バージョン `v1` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `class_filter` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)): 受け入れ可能なクラスの一覧です。クラスはモデルの学習セットに存在する必要があり、出力はこのサブセットに制限されます。空のままにすると、モデルが持つすべてのクラスを報告します。
  * `model_id` ([*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)）：Roboflowモデル識別子。。
  * `confidence` (*Union\[*[*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): 結合前の候補しきい値です。"best" はモデル評価時のしきい値を使用し、"default" または空はモデル組み込みの値を使用します。あるいは float を渡してください。
  * `stride_seconds` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): 分類呼び出し間の時間です。空のままにすると、モデルに記録されたオーバーラップでウィンドウを分類します。より小さいストライドは重なり合うウィンドウをスライドさせ、より細かな範囲境界を実現しますが、その分モデル呼び出し回数が増えます。
* output
  * `timeline` ([`action_recognition_prediction`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/action-recognition-prediction.md)): 動画内の分類済みフレーム区間。
  * `error_status` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/roboflow_action_recognition_model@v1",
	    "images": "$inputs.image",
	    "class_filter": [
	        "a",
	        "b",
	        "c"
	    ],
	    "model_id": "my_project/3",
	    "confidence": "<block_does_not_provide_example>",
	    "stride_seconds": null
	}
```

</details>
