탐지 차이

전/후 이미지 간 탐지를 매칭하고 제거된 객체, 유지된 객체, 새 객체를 보고합니다.

서로 다른 시점에 촬영된 같은 장면의 두 탐지 집합을 비교하여 무엇이 제거되었는지, 무엇이 유지되었는지, 그리고 무엇이 새로 생겼는지 보고합니다.

대표적인 사용 사례는 정리 검증: 잡동사니가 있는 구역의 "before" 사진에 탐지기를 실행한 뒤, 정리가 이루어졌다고 주장된 후 거의 같은 관점에서 찍은 "after" 사진에 다시 실행합니다. "before" 이미지의 탐지 결과 중 "after" 이미지에서 일치시킬 수 없는 것은 제거됨 - 정리가 실제로 이루어졌다는 증거입니다. 동일한 패턴은 모든 전/후 감사에 일반화됩니다: 선반 재보충 점검(어떤 제품이 사라졌는지 / 나타났는지), 건설 현장이나 창고 점검 순회, 주차장 점유 변화, 또는 같은 이미지에 대해 두 개의 서로 다른 모델이 낸 출력을 비교하여 객체 수준에서 어디가 다른지 확인하는 경우가 그것입니다.

reference_predictions 가 "before" 집합이고, candidate_predictions 가 "after" 집합입니다. 각 기준 탐지 결과는 쌍별 비용을 최소화하여 후보 탐지 결과와 최대 하나씩만 매칭됩니다(그리고 그 반대도 마찬가지입니다):

cost = spatial_weight * spatial_term (+ class_mismatch_penalty)

여기서 spatial_term 는 1 - IoU 겹치는 박스의 경우이며, 서로 겹치지 않는 박스의 경우에는 1 + d를 사용합니다. 여기서 d 는 두 박스를 모두 포함하는 가장 작은 외접 상자의 대각선으로 정규화한 중심 거리이므로, 겹치는 쌍은 항상 어떤 서로 겹치지 않는 쌍보다 비용이 낮고, 서로 겹치지 않는 쌍끼리는 근접도에 따라 순위가 매겨집니다. 두 탐지 결과의 클래스가 다를 때 클래스 패널티가 적용되며, class_strict 가 활성화되면 클래스 간 매칭은 아예 금지됩니다. 비용이 reject_cost 를 초과하는 일치 쌍은 버려지며, 쌍의 양쪽 탐지 결과는 각각 일치하지 않는 제거/새 항목으로 처리됩니다.

출력: 제거된 탐지 결과 (일치하지 않는 기준 탐지 결과, 기준 이미지의 좌표계에서), 유지된 탐지 결과 및 새로운 탐지 결과 (일치한 / 일치하지 않은 후보 탐지 결과, 후보 이미지의 좌표계에서), 해당 개수, 그리고 검증됨 플래그이며, 기준 집합이 비어 있지 않고 적어도 min_removed_to_verify 개의 탐지 결과가 제거되었을 때 true입니다.

이 블록은 roboflow_core/overlap_analysis@v1와 시점 간 대응 항목으로, 이는 같은 이미지에서 나온 두 탐지 집합의 기하학적 관계를 다룹니다. 이 블록은 대신 같은 장면의 두 이미지에 걸쳐 탐지 결과를 일대일로 매칭하고 집합 차이를 보고합니다.

타입 식별자

step "type" 필드에 다음 식별자를 사용하세요: roboflow_core/detections_difference@v1 워크플로에 블록을 단계로 추가하려면.

속성

이름	유형	설명	참조
name	str	이 단계에 대한 고유 식별자를 입력하세요..	❌
spatial_weight	float	매칭 비용에서 공간 항의 가중치입니다. 공간 항은 1 - IoU 겹치는 박스의 경우 1 + 정규화된 중심 거리 이고, 서로 겹치지 않는 박스의 경우 [0, 2) 범위를 가집니다..	✅
class_mismatch_penalty	float	서로 다른 클래스를 가진 탐지 결과 쌍에 추가되는 비용입니다. class_strict 가 활성화되면 무시됩니다(그 경우 클래스 간 쌍은 완전히 금지됩니다)..	✅
reject_cost	float	매칭 비용이 이 값을 초과하는 쌍은 매칭되지 않으며, 두 탐지 결과는 각각 제거됨 / 새 항목으로 보고됩니다..	✅
class_strict	bool	활성화되면 공간적 근접성과 관계없이 서로 다른 클래스의 탐지 결과는 절대 매칭될 수 없습니다..	✅
min_removed_to_verify	int	검증용 출력에 필요한 최소 제거 탐지 결과 수(비어 있지 않은 기준 집합과 함께)입니다.. 검증됨 출력이 true가 되기 위해 필요한..	✅

해당 참조 열은 속성을 동적 값으로 매개변수화할 수 있는 가능성을 표시합니다. 워크플로 런타임에서 사용할 수 있습니다. 자세한 내용은 바인딩 을 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 다릅니다. 어떤 바인딩 종류가 탐지 결과 차이 버전 v1 를 가지고 있는지 확인하세요.

입력 및 출력 바인딩

• 입력

  • reference_predictions (object_detection_prediction): 기준("before") 이미지의 탐지 결과입니다. candidate_predictions 일치하지 않는 기준 탐지 결과는 다음으로 보고됩니다 제거된 탐지 결과..

  • candidate_predictions (object_detection_prediction): 후보("after") 이미지의 탐지 결과입니다. 기준 탐지 결과와 일치하는 후보 탐지 결과는 다음으로 보고됩니다 유지된 탐지 결과; 일치하지 않는 것들은 다음으로 보고됩니다 새로운 탐지 결과..

  • spatial_weight (float_zero_to_one): 매칭 비용에서 공간 항의 가중치입니다. 공간 항은 1 - IoU 겹치는 박스의 경우 1 + 정규화된 중심 거리 이고, 서로 겹치지 않는 박스의 경우 [0, 2) 범위를 가집니다..

  • class_mismatch_penalty (float): 서로 다른 클래스를 가진 탐지 결과 쌍에 추가되는 비용입니다. class_strict 가 활성화되면 무시됩니다(그 경우 클래스 간 쌍은 완전히 금지됩니다)..

  • reject_cost (float가 활성화되면 무시됩니다(그 경우 클래스 간 쌍은 완전히 금지됩니다)..

  • class_strict (boolean): 활성화되면 공간적 근접성과 관계없이 서로 다른 클래스의 탐지 결과는 절대 매칭될 수 없습니다..

  • min_removed_to_verify (integer): 검증용 출력에 필요한 최소 제거 탐지 결과 수(비어 있지 않은 기준 집합과 함께)입니다.. 검증됨 출력이 true가 되기 위해 필요한..

• 출력

  • 제거된 탐지 결과 (object_detection_prediction): sv.Detections(...) 객체 형식의 감지된 경계 상자를 포함한 예측입니다.

  • 유지된 탐지 결과 (object_detection_prediction): sv.Detections(...) 객체 형식의 감지된 경계 상자를 포함한 예측입니다.

  • 새로운 탐지 결과 (object_detection_prediction): sv.Detections(...) 객체 형식의 감지된 경계 상자를 포함한 예측입니다.

  • removed_count (integer): 정수 값.

  • new_count (integer): 정수 값.

  • 검증됨 (boolean): 불리언 플래그.

예시 JSON 정의

{
	    "name": "<여기에_단계_이름_입력>",
	    "type": "roboflow_core/detections_difference@v1",
	    "reference_predictions": "$steps.before_model.predictions",
	    "candidate_predictions": "$steps.after_model.predictions",
	    "spatial_weight": 0.4,
	    "class_mismatch_penalty": 0.15,
	    "reject_cost": 0.75,
	    "class_strict": false,
	    "min_removed_to_verify": 1
	}