감지 목록 롤업
여러 수준의 차원을 다시 단일 차원으로 롤업합니다.
자식에서 부모 탐지로 차원 정보를 롤업합니다
다음과 같은 시나리오에서 유용합니다:
크롭에 대해 실행된 보조 모델의 결과를 부모 이미지로 다시 롤업할 때
동적으로 크롭된 이미지의 OCR 결과를 롤업할 때
유형 식별자
다음 식별자를 단계에서 사용하세요 "type" 필드: roboflow_core/detections_list_rollup@v1 워크플로에 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
이름
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
confidence_strategy
str
자식 탐지에서 신뢰도 점수를 병합할 때 사용할 전략입니다. 옵션은 'max', 'mean', 또는 'min'입니다..
✅
overlap_threshold
float
자식 크롭에서 겹치는 탐지를 병합할 때 고려할 최소 겹침 비율(IoU)입니다. 값 0.0은 겹치는 모든 탐지를 병합하고, 더 높은 값은 병합에 더 큰 겹침을 요구합니다. 0.0에서 1.0 사이로 지정하세요. 1.0은 완전히 겹치는 탐지만 병합합니다..
✅
keypoint_merge_threshold
float
자식 탐지에 키포인트 데이터가 포함되어 있는 경우, 키포인트 탐지를 병합할 키포인트 거리(픽셀 단위)입니다..
✅
해당 참조 열은 워크플로 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 표시합니다 워크플로 참조하세요 바인딩 자세한 정보를 위해
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 탐지 목록 롤업 버전 v1 있습니다.
입력 및 출력 바인딩
입력
parent_detection(Union[instance_segmentation_prediction,keypoint_detection_prediction,object_detection_prediction]): 차원성을 상속하는 부모 탐지입니다..child_detections(list_of_values): 동적 크롭에서 수행한 예측과 같이, 더 높은 차원성에서 생성된 자식 탐지 목록입니다. 이와 함께 사용할 수 있도록 더 높은 차원성 결과를 줄이려면 "Dimension Collapse"를 사용하세요. 예: Prediction -> Dimension Collapse -> Detections List Roll-Up.confidence_strategy(list_of_values): 자식 탐지에서 신뢰도 점수를 병합할 때 사용할 전략입니다. 옵션은 'max', 'mean', 또는 'min'입니다..overlap_threshold(float_zero_to_one): 자식 크롭에서 겹치는 탐지를 병합할 때 고려할 최소 겹침 비율(IoU)입니다. 값 0.0은 겹치는 모든 탐지를 병합하고, 더 높은 값은 병합에 더 큰 겹침을 요구합니다. 0.0에서 1.0 사이로 지정하세요. 1.0은 완전히 겹치는 탐지만 병합합니다..keypoint_merge_threshold(float): 자식 탐지에 키포인트 데이터가 포함된 경우, 키포인트 탐지를 병합할 키포인트 거리(픽셀 단위)입니다..
출력
롤업된 탐지(Union[instance_segmentation_prediction,object_detection_prediction,keypoint_detection_prediction]): 탐지된 바운딩 박스와 세그멘테이션 마스크가 sv.Detections(...) 객체 형태로 포함된 예측인 경우instance_segmentation_prediction또는 탐지된 바운딩 박스가 sv.Detections(...) 객체 형태로 포함된 예측인 경우object_detection_prediction또는 탐지된 바운딩 박스와 탐지된 키포인트가 sv.Detections(...) 객체 형태로 포함된 예측인 경우keypoint_detection_prediction.crop_zones(list_of_values): 모든 유형의 값 목록입니다..
마지막 업데이트
도움이 되었나요?