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

rleinstancesegmentationprediction 型

sv.Detections(...) オブジェクト形式の、検出されたバウンディングボックスと RLE エンコードされたセグメンテーションマスクを含む予測。

検出されたバウンディングボックスとRLEエンコードされたセグメンテーションマスクを、sv.Detections(...) オブジェクトの形式で表した予測

データ表現

外部

外部データ表現はWorkflowsクライアントに関連します。これはデータの入力および出力形式を決定します。

型: dict

内部

内部データ表現はWorkflowsブロックの作成者に関連します。これは、実行時に Execution Engine がこの種別の入力を受け取るブロックに提供する型です。

型: sv.Detections

詳細

この種類は、RLE(Run-Length Encoding)マスクを含むインスタンスセグメンテーション予測を、 sv.Detections(...) オブジェクトです。

マスクは sv.Detections.data["rle_mask"] COCO形式のRLE辞書の numpy 配列として保存されます: {"size": [H, W], "counts": "encoded_string"}.

size は、カウントがエンコードされたグリッドを表します。インスタンスセグメンテーションモデルのブロックは画像解像度のマスクを保持します。縮小グリッドのワークフローへの対応は後回しにされています。

可視化ブロックが numpy マスクを必要とする場合、pycocotools を使用して必要に応じて RLE をデコードします。

例:

シリアライゼーション: InstanceSegmentationInferenceResponse と同様のエンティティ詳細ですが、ポリゴンの代わりに RLE マスクを使用します。RLE 形式は COCO 標準に従い、pycocotools.mask.decode() を使用してデコードできます。

最終更新

役に立ちましたか?