인스턴스 분할 모델
객체의 모양, 크기, 위치를 예측합니다.
v4
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. Roboflow Universe.
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, Inference 문서를 참조하세요.
이 버전의 블록은 마스크 구성 동작에 중대한 변경을 도입합니다 - 다음을 사용합니다 rle 대신 형식을 사용합니다 폴리곤 원격 서버에서 모든 종류의 도형을 가져올 수 있게 합니다.
유형 식별자
단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/roboflow_instance_segmentation_model@v4 워크플로우에 이 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
name
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
model_id
str
Roboflow 모델 식별자..
✅
confidence_mode
str
신뢰도 임계값이 결정되는 방식..
✅
custom_confidence
float
예측에 대한 사용자 지정 신뢰도 임계값..
✅
class_filter
List[str]
허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
✅
max_detections
정수
반환할 감지의 최대 개수..
✅
class_agnostic_nms
bool
NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
✅
max_candidates
정수
NMS 입력으로 고려할 후보의 최대 개수..
✅
mask_decode_mode
str
예측 후처리에서 마스크 디코딩의 매개변수..
✅
tradeoff_factor
float
빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
✅
disable_active_learning
bool
이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
✅
active_learning_target_dataset
str
활성 학습이 활성화된 경우 대상 데이터셋..
✅
이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 인스턴스 분할 모델 버전 v4 을 가지고 있는지.
입력 및 출력 바인딩
입력
이미지(이미지): 추론할 이미지입니다..model_id(roboflow_model_id): Roboflow 모델 식별자..confidence_mode(string) 신뢰도 임계값이 결정되는 방식..custom_confidence(0에서 1 사이의 실수): 예측에 대한 사용자 지정 신뢰도 임계값..class_filter(list_of_values): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..iou_threshold(0에서 1 사이의 실수): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. 자세히 알아보기..max_detections(정수): 반환할 감지의 최대 개수..class_agnostic_nms(boolean): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..max_candidates(정수): NMS 입력으로 고려할 후보의 최대 개수..mask_decode_mode(string): 예측 후처리에서 마스크 디코딩의 매개변수..tradeoff_factor(0에서 1 사이의 실수): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..disable_active_learning(boolean): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..active_learning_target_dataset(roboflow_project): 활성 학습이 활성화된 경우 대상 데이터셋..
출력
inference_id(inference_id): 추론 식별자.예측(Union[rle_instance_segmentation_prediction,instance_segmentation_prediction]): 탐지된 바운딩 박스와 RLE로 인코딩된 세그멘테이션 마스크를 sv.Detections(...) 객체 형식으로 포함한 예측 결과, 만약rle_instance_segmentation_prediction또는 sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 및 세그멘테이션 마스크 예측, 다음 경우instance_segmentation_prediction.model_id(roboflow_model_id): Roboflow 모델 ID.
v3
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. Roboflow Universe.
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, Inference 문서를 참조하세요.
유형 식별자
단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/roboflow_instance_segmentation_model@v3 워크플로우에 이 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
name
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
model_id
str
Roboflow 모델 식별자..
✅
confidence_mode
str
신뢰도 임계값이 결정되는 방식..
✅
custom_confidence
float
예측에 대한 사용자 지정 신뢰도 임계값..
✅
class_filter
List[str]
허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
✅
max_detections
정수
반환할 감지의 최대 개수..
✅
class_agnostic_nms
bool
NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
✅
max_candidates
정수
NMS 입력으로 고려할 후보의 최대 개수..
✅
mask_decode_mode
str
예측 후처리에서 마스크 디코딩의 매개변수..
✅
tradeoff_factor
float
빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
✅
disable_active_learning
bool
이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
✅
active_learning_target_dataset
str
활성 학습이 활성화된 경우 대상 데이터셋..
✅
enforce_dense_masks_in_inference_models
bool
inference models 백엔드가 사용 중일 때 밀집 마스크를 강제하는 불리언 플래그입니다(다른 경우에는 관련 없음). 밀집 마스크는 처리 속도는 더 빠르지만 더 많은 메모리를 필요로 합니다. 사용자는 Roboflow 서버리스 플랫폼에서 실행할 때 이 플래그를 조정할 수 없습니다..
✅
이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 인스턴스 분할 모델 버전 v3 을 가지고 있는지.
입력 및 출력 바인딩
입력
이미지(이미지): 추론할 이미지입니다..model_id(roboflow_model_id): Roboflow 모델 식별자..confidence_mode(string) 신뢰도 임계값이 결정되는 방식..custom_confidence(0에서 1 사이의 실수): 예측에 대한 사용자 지정 신뢰도 임계값..class_filter(list_of_values): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..iou_threshold(0에서 1 사이의 실수): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. 자세히 알아보기..max_detections(정수): 반환할 감지의 최대 개수..class_agnostic_nms(boolean): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..max_candidates(정수): NMS 입력으로 고려할 후보의 최대 개수..mask_decode_mode(string): 예측 후처리에서 마스크 디코딩의 매개변수..tradeoff_factor(0에서 1 사이의 실수): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..disable_active_learning(boolean): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..active_learning_target_dataset(roboflow_project): 활성 학습이 활성화된 경우 대상 데이터셋..enforce_dense_masks_in_inference_models(boolean): inference models 백엔드가 사용 중일 때 밀집 마스크를 강제하는 불리언 플래그입니다(다른 경우에는 관련 없음). 밀집 마스크는 처리 속도는 더 빠르지만 더 많은 메모리를 필요로 합니다. 사용자는 Roboflow 서버리스 플랫폼에서 실행할 때 이 플래그를 조정할 수 없습니다..
출력
inference_id(inference_id): 추론 식별자.예측(instance_segmentation_prediction): 감지된 바운딩 박스와 sv.Detections(...) 객체 형식의 세분화 마스크가 포함된 예측.model_id(roboflow_model_id): Roboflow 모델 ID.
v2
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. Roboflow Universe.
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, Inference 문서를 참조하세요.
유형 식별자
단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/roboflow_instance_segmentation_model@v2 워크플로우에 이 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
name
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
model_id
str
Roboflow 모델 식별자..
✅
confidence
float
예측에 대한 신뢰도 임계값..
✅
class_filter
List[str]
허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
✅
max_detections
정수
반환할 감지의 최대 개수..
✅
class_agnostic_nms
bool
NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
✅
max_candidates
정수
NMS 입력으로 고려할 후보의 최대 개수..
✅
mask_decode_mode
str
예측 후처리에서 마스크 디코딩의 매개변수..
✅
tradeoff_factor
float
빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
✅
disable_active_learning
bool
이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
✅
active_learning_target_dataset
str
활성 학습이 활성화된 경우 대상 데이터셋..
✅
enforce_dense_masks_in_inference_models
bool
inference models 백엔드가 사용 중일 때 밀집 마스크를 강제하는 불리언 플래그입니다(다른 경우에는 관련 없음). 밀집 마스크는 처리 속도는 더 빠르지만 더 많은 메모리를 필요로 합니다. 사용자는 Roboflow 서버리스 플랫폼에서 실행할 때 이 플래그를 조정할 수 없습니다..
✅
이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 인스턴스 분할 모델 버전 v2 을 가지고 있는지.
입력 및 출력 바인딩
입력
이미지(이미지): 추론할 이미지입니다..model_id(roboflow_model_id): Roboflow 모델 식별자..confidence(0에서 1 사이의 실수): 예측에 대한 신뢰도 임계값..class_filter(list_of_values): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..iou_threshold(0에서 1 사이의 실수): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. 자세히 알아보기..max_detections(정수): 반환할 감지의 최대 개수..class_agnostic_nms(boolean): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..max_candidates(정수): NMS 입력으로 고려할 후보의 최대 개수..mask_decode_mode(string): 예측 후처리에서 마스크 디코딩의 매개변수..tradeoff_factor(0에서 1 사이의 실수): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..disable_active_learning(boolean): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..active_learning_target_dataset(roboflow_project): 활성 학습이 활성화된 경우 대상 데이터셋..enforce_dense_masks_in_inference_models(boolean): inference models 백엔드가 사용 중일 때 밀집 마스크를 강제하는 불리언 플래그입니다(다른 경우에는 관련 없음). 밀집 마스크는 처리 속도는 더 빠르지만 더 많은 메모리를 필요로 합니다. 사용자는 Roboflow 서버리스 플랫폼에서 실행할 때 이 플래그를 조정할 수 없습니다..
출력
inference_id(inference_id): 추론 식별자.예측(instance_segmentation_prediction): 감지된 바운딩 박스와 sv.Detections(...) 객체 형식의 세분화 마스크가 포함된 예측.model_id(roboflow_model_id): Roboflow 모델 ID.
v1
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. Roboflow Universe.
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, Inference 문서를 참조하세요.
유형 식별자
단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/roboflow_instance_segmentation_model@v1 워크플로우에 이 블록을 단계로 추가하려면.
속성
이름
유형
설명
참조
name
str
이 단계에 대한 고유 식별자를 입력하세요..
❌
model_id
str
Roboflow 모델 식별자..
✅
confidence
float
예측에 대한 신뢰도 임계값..
✅
class_filter
List[str]
허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
✅
max_detections
정수
반환할 감지의 최대 개수..
✅
class_agnostic_nms
bool
NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
✅
max_candidates
정수
NMS 입력으로 고려할 후보의 최대 개수..
✅
mask_decode_mode
str
예측 후처리에서 마스크 디코딩의 매개변수..
✅
tradeoff_factor
float
빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
✅
disable_active_learning
bool
이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
✅
active_learning_target_dataset
str
활성 학습이 활성화된 경우 대상 데이터셋..
✅
enforce_dense_masks_in_inference_models
bool
inference models 백엔드가 사용 중일 때 밀집 마스크를 강제하는 불리언 플래그입니다(다른 경우에는 관련 없음). 밀집 마스크는 처리 속도는 더 빠르지만 더 많은 메모리를 필요로 합니다. 사용자는 Roboflow 서버리스 플랫폼에서 실행할 때 이 플래그를 조정할 수 없습니다..
✅
이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.
입력 및 출력 바인딩
사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 인스턴스 분할 모델 버전 v1 을 가지고 있는지.
입력 및 출력 바인딩
입력
이미지(이미지): 추론할 이미지입니다..model_id(roboflow_model_id): Roboflow 모델 식별자..confidence(0에서 1 사이의 실수): 예측에 대한 신뢰도 임계값..class_filter(list_of_values): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..iou_threshold(0에서 1 사이의 실수): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. 자세히 알아보기..max_detections(정수): 반환할 감지의 최대 개수..class_agnostic_nms(boolean): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..max_candidates(정수): NMS 입력으로 고려할 후보의 최대 개수..mask_decode_mode(string): 예측 후처리에서 마스크 디코딩의 매개변수..tradeoff_factor(0에서 1 사이의 실수): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..disable_active_learning(boolean): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..active_learning_target_dataset(roboflow_project): 활성 학습이 활성화된 경우 대상 데이터셋..enforce_dense_masks_in_inference_models(boolean): inference models 백엔드가 사용 중일 때 밀집 마스크를 강제하는 불리언 플래그입니다(다른 경우에는 관련 없음). 밀집 마스크는 처리 속도는 더 빠르지만 더 많은 메모리를 필요로 합니다. 사용자는 Roboflow 서버리스 플랫폼에서 실행할 때 이 플래그를 조정할 수 없습니다..
출력
inference_id(string): 문자열 값.예측(instance_segmentation_prediction): 감지된 바운딩 박스와 sv.Detections(...) 객체 형식의 세분화 마스크가 포함된 예측.
마지막 업데이트
도움이 되었나요?