YOLO-World 모델

제로샷 객체 탐지 모델을 실행합니다.

제로샷 객체 탐지 모델인 YOLO-World를 이미지에 실행합니다.

YOLO-World는 이미지에서 식별하려는 하나 이상의 텍스트 클래스를 받습니다. YOLO-World가 해당 클래스의 객체를 식별할 수 있는 경우, 모델은 지정한 클래스에 해당하는 객체의 위치를 반환합니다.

이 블록을 프로덕션에서 사용하기 전에, 사용 사례에 대해 모델을 평가하기 위해 YOLO-World를 시험해 보시기를 권장합니다. 예를 들어 YOLO-World에 효과적으로 프롬프트를 주는 방법은 다음을 참조하세요: Roboflow YOLO-World 프롬프팅 가이드.

유형 식별자

단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/yolo_world_model@v1 워크플로우에 이 블록을 단계로 추가하려면.

속성

이름	유형	설명	참조
name	str	이 단계에 대한 고유 식별자를 입력하세요..	❌
class_names	List[str]	YOLO-World가 감지하길 원하는 하나 이상의 클래스입니다. 이 모델은 입력으로 어떤 문자열이든 받을 수 있지만, 일반적인 객체의 짧은 설명에서 가장 좋은 성능을 보입니다..	✅
version	str	YoloWorld 모델의 변형입니다.	✅
confidence	float	감지에 대한 신뢰도 임계값입니다.	✅

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 YOLO-World 모델 버전 v1 을 가지고 있는지.

입력 및 출력 바인딩

• 입력

  • 이미지 (이미지): 추론할 이미지입니다..

  • class_names (list_of_values): YOLO-World가 감지하길 원하는 하나 이상의 클래스입니다. 이 모델은 입력으로 어떤 문자열이든 받을 수 있지만, 일반적인 객체의 짧은 설명에서 가장 좋은 성능을 보입니다..

  • version (string): YoloWorld 모델의 변형입니다.

  • confidence (0에서 1 사이의 실수): 감지에 대한 신뢰도 임계값입니다.

• 출력

  • 예측 (object_detection_prediction): sv.Detections(...) 객체 형식의 감지된 바운딩 박스가 포함된 예측.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/yolo_world_model@v1",
	    "images": "$inputs.image",
	    "class_names": [
	        "사람",
	        "자동차",
	        "번호판"
	    ],
	    "version": "v2-s",
	    "confidence": 0.005
	}