> 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/ko/blocks/blocks/run-a-model/instance-segmentation-model.md).
# 인스턴스 분할 모델
객체의 형태, 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](https://universe.roboflow.com).
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, [Inference 문서를 참조하세요](https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key).
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.. | ✅ |
| `iou_threshold` | `float` | NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/).. | ✅ |
| `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`*](/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론할 이미지입니다..
* `model_id` ([*`roboflow_model_id`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 식별자..
* `confidence_mode` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)) 신뢰도 임계값이 결정되는 방식..
* `custom_confidence` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 예측에 대한 사용자 지정 신뢰도 임계값..
* `class_filter` ([*`list_of_values`*](/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
* `iou_threshold` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/)..
* `max_detections` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): 반환할 감지의 최대 개수..
* `class_agnostic_nms` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
* `max_candidates` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): NMS 입력으로 고려할 후보의 최대 개수..
* `mask_decode_mode` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 예측 후처리에서 마스크 디코딩의 매개변수..
* `tradeoff_factor` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
* `disable_active_learning` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
* `active_learning_target_dataset` ([*`roboflow_project`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-project.md)): 활성 학습이 활성화된 경우 대상 데이터셋..
* 출력
* `inference_id` ([`inference_id`](/workflows/ko/developer-guide/developer-guide/kinds/inference-id.md)): 추론 식별자.
* `예측` (*Union\[*[*`rle_instance_segmentation_prediction`*](/workflows/ko/developer-guide/developer-guide/kinds/rle-instance-segmentation-prediction.md)*,* [*`instance_segmentation_prediction`*](/workflows/ko/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)*]*): 탐지된 바운딩 박스와 RLE로 인코딩된 세그멘테이션 마스크를 sv.Detections(...) 객체 형식으로 포함한 예측 결과, 만약 `rle_instance_segmentation_prediction` 또는 sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 및 세그멘테이션 마스크 예측, 다음 경우 `instance_segmentation_prediction`.
* `model_id` ([`roboflow_model_id`](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 ID.
예시 JSON 정의
```json
{
"name": "",
"type": "roboflow_core/roboflow_instance_segmentation_model@v4",
"images": "$inputs.image",
"model_id": "my_project/3",
"confidence_mode": "",
"custom_confidence": 0.3,
"class_filter": [
"a",
"b",
"c"
],
"iou_threshold": 0.4,
"max_detections": 300,
"class_agnostic_nms": true,
"max_candidates": 3000,
"mask_decode_mode": "accurate",
"tradeoff_factor": 0.3,
"disable_active_learning": true,
"active_learning_target_dataset": "my_project"
}
```
## v3
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. [Roboflow Universe](https://universe.roboflow.com).
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, [Inference 문서를 참조하세요](https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key).
### 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.. | ✅ |
| `iou_threshold` | `float` | NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/).. | ✅ |
| `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`*](/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론할 이미지입니다..
* `model_id` ([*`roboflow_model_id`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 식별자..
* `confidence_mode` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)) 신뢰도 임계값이 결정되는 방식..
* `custom_confidence` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 예측에 대한 사용자 지정 신뢰도 임계값..
* `class_filter` ([*`list_of_values`*](/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
* `iou_threshold` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/)..
* `max_detections` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): 반환할 감지의 최대 개수..
* `class_agnostic_nms` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
* `max_candidates` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): NMS 입력으로 고려할 후보의 최대 개수..
* `mask_decode_mode` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 예측 후처리에서 마스크 디코딩의 매개변수..
* `tradeoff_factor` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
* `disable_active_learning` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
* `active_learning_target_dataset` ([*`roboflow_project`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-project.md)): 활성 학습이 활성화된 경우 대상 데이터셋..
* `enforce_dense_masks_in_inference_models` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 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`](/workflows/ko/developer-guide/developer-guide/kinds/inference-id.md)): 추론 식별자.
* `예측` ([`instance_segmentation_prediction`](/workflows/ko/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)): 감지된 바운딩 박스와 sv.Detections(...) 객체 형식의 세분화 마스크가 포함된 예측.
* `model_id` ([`roboflow_model_id`](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 ID.
예시 JSON 정의
```json
{
"name": "",
"type": "roboflow_core/roboflow_instance_segmentation_model@v3",
"images": "$inputs.image",
"model_id": "my_project/3",
"confidence_mode": "",
"custom_confidence": 0.3,
"class_filter": [
"a",
"b",
"c"
],
"iou_threshold": 0.4,
"max_detections": 300,
"class_agnostic_nms": true,
"max_candidates": 3000,
"mask_decode_mode": "accurate",
"tradeoff_factor": 0.3,
"disable_active_learning": true,
"active_learning_target_dataset": "my_project",
"enforce_dense_masks_in_inference_models": true
}
```
## v2
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. [Roboflow Universe](https://universe.roboflow.com).
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, [Inference 문서를 참조하세요](https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key).
### 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.. | ✅ |
| `iou_threshold` | `float` | NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/).. | ✅ |
| `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`*](/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론할 이미지입니다..
* `model_id` ([*`roboflow_model_id`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 식별자..
* `confidence` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 예측에 대한 신뢰도 임계값..
* `class_filter` ([*`list_of_values`*](/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
* `iou_threshold` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/)..
* `max_detections` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): 반환할 감지의 최대 개수..
* `class_agnostic_nms` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
* `max_candidates` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): NMS 입력으로 고려할 후보의 최대 개수..
* `mask_decode_mode` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 예측 후처리에서 마스크 디코딩의 매개변수..
* `tradeoff_factor` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
* `disable_active_learning` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
* `active_learning_target_dataset` ([*`roboflow_project`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-project.md)): 활성 학습이 활성화된 경우 대상 데이터셋..
* `enforce_dense_masks_in_inference_models` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 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`](/workflows/ko/developer-guide/developer-guide/kinds/inference-id.md)): 추론 식별자.
* `예측` ([`instance_segmentation_prediction`](/workflows/ko/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)): 감지된 바운딩 박스와 sv.Detections(...) 객체 형식의 세분화 마스크가 포함된 예측.
* `model_id` ([`roboflow_model_id`](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 ID.
예시 JSON 정의
```json
{
"name": "",
"type": "roboflow_core/roboflow_instance_segmentation_model@v2",
"images": "$inputs.image",
"model_id": "my_project/3",
"confidence": 0.3,
"class_filter": [
"a",
"b",
"c"
],
"iou_threshold": 0.4,
"max_detections": 300,
"class_agnostic_nms": true,
"max_candidates": 3000,
"mask_decode_mode": "accurate",
"tradeoff_factor": 0.3,
"disable_active_learning": true,
"active_learning_target_dataset": "my_project",
"enforce_dense_masks_in_inference_models": true
}
```
## v1
Roboflow에 호스팅되거나 업로드된 인스턴스 세그멘테이션 모델에서 추론을 실행합니다.
계정에 비공개인 모든 모델이나, 사용 가능한 공개 모델을 쿼리할 수 있습니다. [Roboflow Universe](https://universe.roboflow.com).
이 블록을 사용하려면 Inference 환경에서 Roboflow API 키를 설정해야 합니다. Roboflow API 키 설정에 대해 자세히 알아보려면, [Inference 문서를 참조하세요](https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key).
### 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.. | ✅ |
| `iou_threshold` | `float` | NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/).. | ✅ |
| `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`*](/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론할 이미지입니다..
* `model_id` ([*`roboflow_model_id`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-model-id.md)): Roboflow 모델 식별자..
* `confidence` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 예측에 대한 신뢰도 임계값..
* `class_filter` ([*`list_of_values`*](/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 허용되는 클래스 목록입니다. 클래스는 모델의 학습 세트에 존재해야 합니다..
* `iou_threshold` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): NMS에서 사용되며, 하나의 감지로 결합하기 위한 박스 간 최소 겹침 임계값입니다. [자세히 알아보기](https://blog.roboflow.com/how-to-code-non-maximum-suppression-nms-in-plain-numpy/)..
* `max_detections` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): 반환할 감지의 최대 개수..
* `class_agnostic_nms` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): NMS를 클래스 비의존 모드로 사용할지 지정하는 불리언 플래그입니다..
* `max_candidates` ([*`정수`*](/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): NMS 입력으로 고려할 후보의 최대 개수..
* `mask_decode_mode` ([*`string`*](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 예측 후처리에서 마스크 디코딩의 매개변수..
* `tradeoff_factor` ([*`0에서 1 사이의 실수`*](/workflows/ko/developer-guide/developer-guide/kinds/float-zero-to-one.md)): 빠름과 정확도 사이의 절충을 지정하는 후처리 매개변수..
* `disable_active_learning` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 이 블록에 대해 프로젝트 수준의 능동 학습을 비활성화하는 불리언 플래그..
* `active_learning_target_dataset` ([*`roboflow_project`*](/workflows/ko/developer-guide/developer-guide/kinds/roboflow-project.md)): 활성 학습이 활성화된 경우 대상 데이터셋..
* `enforce_dense_masks_in_inference_models` ([*`boolean`*](/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 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`](/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 문자열 값.
* `예측` ([`instance_segmentation_prediction`](/workflows/ko/developer-guide/developer-guide/kinds/instance-segmentation-prediction.md)): 감지된 바운딩 박스와 sv.Detections(...) 객체 형식의 세분화 마스크가 포함된 예측.
예시 JSON 정의
```json
{
"name": "",
"type": "roboflow_core/roboflow_instance_segmentation_model@v1",
"images": "$inputs.image",
"model_id": "my_project/3",
"confidence": 0.3,
"class_filter": [
"a",
"b",
"c"
],
"iou_threshold": 0.4,
"max_detections": 300,
"class_agnostic_nms": true,
"max_candidates": 3000,
"mask_decode_mode": "accurate",
"tradeoff_factor": 0.3,
"disable_active_learning": true,
"active_learning_target_dataset": "my_project",
"enforce_dense_masks_in_inference_models": true
}
```