다각형 시각화

이미지에서 감지된 객체 주위에 다각형을 그립니다.

v2

검출된 객체 주위에 객체 마스크의 정확한 모양을 따르는 다각형 윤곽선을 그려, 인스턴스 분할 결과를 정밀하게 경계 시각화합니다.

이 블록이 작동하는 방식

이 블록은 이미지와 인스턴스 분할 예측(분할 마스크 포함)을 받아 각 검출된 객체의 모양을 정확하게 따라가는 다각형 윤곽선을 그립니다. 이 블록은:

1. 이미지와 인스턴스 분할 예측을 입력으로 받습니다(예측에는 마스크 데이터가 포함되어야 함)

2. 분할 마스크를 객체 경계를 추적하는 다각형 좌표로 변환합니다

3. 선택한 색상 팔레트를 기반으로 색상 스타일을 적용하며, 색상은 클래스, 인덱스 또는 추적 ID에 따라 할당됩니다

4. PolygonAnnotator를 사용하여 지정된 두께로 다각형 윤곽선을 그립니다

5. 원본 이미지 위에 다각형 윤곽선이 겹쳐진 주석 이미지를 반환합니다

이 블록은 각 객체의 정확한 모양을 분할 마스크에서 추출하고, 이러한 정밀한 경계를 따르는 다각형 윤곽선을 그립니다. 이는 경계 상자보다 훨씬 더 정확한 시각화를 제공하는데, 다각형은 사각형으로 둘러싸는 대신 실제 객체 모양에 맞춰지기 때문입니다. 마스크 데이터가 없으면 이 블록은 경계 상자를 그리는 방식으로 대체합니다. 다각형 윤곽선은 두께 값과 색상 팔레트를 다르게 지정해 사용자 지정할 수 있어, 서로 다른 객체나 객체 클래스를 명확하게 구분할 수 있습니다.

일반적인 사용 사례

• 정밀한 객체 경계 시각화: 정확한 객체 윤곽이 필요한 의료 영상, 제조 품질 관리 또는 정밀 측정 워크플로 같은 애플리케이션을 위해 분할된 객체의 정확한 모양과 경계를 시각화합니다

• 인스턴스 분할 모델 검증: 다각형 예측이 객체 경계와 얼마나 잘 일치하는지 시각화하여 인스턴스 분할 모델 성능을 확인하고 디버그하며, 분할 오류를 식별하고 마스크 품질을 검증합니다

• 불규칙한 모양 분석: 사람, 동물, 복잡한 기계 부품처럼 불규칙하거나 직사각형이 아닌 모양의 객체를 시각화합니다. 경계 상자는 이러한 경우 부정확하거나 오해를 불러일으킬 수 있습니다

• 겹치는 객체 시각화: 여러 객체가 겹칠 때 객체 경계를 명확하게 보여줍니다. 다각형은 각 객체의 모양을 정확하게 표현하므로 겹치는 경계 상자에서 생길 수 있는 모호함이 없습니다

• 모양 기반 품질 관리: 결함 탐지 또는 분류에 객체의 정확한 윤곽이 중요한 제조, 농업 또는 품질 보증 워크플로에서 객체 모양과 경계를 검사합니다

• 과학 및 의료 영상: 측정, 분석 또는 진단에 정확한 경계 표현이 필수적인 의료 영상, 현미경 또는 과학 분석에서 분할 영역을 시각화합니다

다른 블록과 연결하기

이 블록의 주석이 달린 이미지는 다음에 연결할 수 있습니다:

• 다른 시각화 블록 (예: Label Visualization, Mask Visualization, Bounding Box Visualization) 다각형 윤곽선과 추가 주석을 결합해 포괄적으로 시각화할 수 있습니다

• 데이터 저장 블록 (예: Local File Sink, CSV Formatter, Roboflow Dataset Upload) 다각형 윤곽선이 포함된 주석 이미지를 저장하여 문서화, 보고 또는 학습 데이터 검증에 사용할 수 있습니다

• 웹훅 블록 다각형 윤곽선이 있는 시각화 결과를 대시보드나 분석 도구에서 표시할 수 있도록 외부 시스템, API 또는 웹 애플리케이션으로 보냅니다

• 알림 블록 (예: Email Notification, Slack Notification) 경고나 보고서의 시각적 증거로 다각형 윤곽선이 있는 주석 이미지를 보냅니다

• 비디오 출력 블록 실시간 모니터링, 추적 또는 후처리 분석을 위해 다각형 윤곽선이 포함된 주석 비디오 스트림이나 녹화본을 생성합니다

유형 식별자

step에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/polygon_visualization@v2 를 워크플로에 단계로 추가합니다.

속성

이름	유형	설명	참조
name	str	이 단계에 고유 식별자를 입력하세요..	❌
copy_image	bool	이 옵션을 활성화하면 시각화를 위해 입력 이미지의 복사본을 만들어 원본을 보존합니다. 여러 시각화를 겹쳐 사용할 때 이 옵션을 사용하세요..	✅
color_palette	str	시각화 요소에 사용할 색상 팔레트를 선택하세요..	✅
palette_size	int	팔레트의 색상 개수를 지정하세요. 이는 사용자 지정 또는 Matplotlib 팔레트를 사용할 때 적용됩니다..	✅
custom_colors	List[str]	경계 상자에 사용할 사용자 지정 색상 목록을 HEX 형식으로 정의하세요..	✅
color_axis	str	경계 상자 색상이 할당되는 방식을 선택하세요..	✅
thickness	int	다각형 윤곽선의 두께를 픽셀 단위로 지정합니다. 값이 클수록 더 두껍고 눈에 잘 띄는 윤곽선이 만들어집니다..	✅

해당 참조 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 워크플로 런타임. 자세한 내용은 바인딩 를 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 다각형 시각화 버전 v2 가 있습니다.

입력 및 출력 바인딩

• 입력

  • image (image): 시각화에 사용할 이미지입니다..

  • copy_image (불리언): 이 옵션을 활성화하면 시각화를 위해 입력 이미지의 복사본을 만들어 원본을 보존합니다. 여러 시각화를 겹쳐 사용할 때 이 옵션을 사용하세요..

  • predictions (Union[instance_segmentation_prediction, rle_instance_segmentation_prediction]): 마스크 데이터를 포함한 인스턴스 분할 예측입니다. 이 블록은 마스크를 각 검출된 객체의 정확한 모양을 따르는 다각형 윤곽선으로 변환합니다..

  • color_palette (문자열): 시각화 요소에 사용할 색상 팔레트를 선택하세요..

  • palette_size (정수): 팔레트의 색상 개수를 지정하세요. 이는 사용자 지정 또는 Matplotlib 팔레트를 사용할 때 적용됩니다..

  • custom_colors (list_of_values): 경계 상자에 사용할 사용자 지정 색상 목록을 HEX 형식으로 정의하세요..

  • color_axis (문자열): 경계 상자 색상이 할당되는 방식을 선택하세요..

  • thickness (정수): 다각형 윤곽선의 두께를 픽셀 단위로 지정합니다. 값이 클수록 더 두껍고 눈에 잘 띄는 윤곽선이 만들어집니다..

• 출력

  • image (image): 워크플로의 이미지.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/polygon_visualization@v2",
	    "image": "$inputs.image",
	    "copy_image": true,
	    "predictions": "$steps.instance_segmentation_model.predictions",
	    "color_palette": "DEFAULT",
	    "palette_size": 10,
	    "custom_colors": [
	        "#FF0000",
	        "#00FF00",
	        "#0000FF"
	    ],
	    "color_axis": "CLASS",
	    "thickness": 2
	}

v1

검출된 객체 주위에 객체 마스크의 정확한 모양을 따르는 다각형 윤곽선을 그려, 인스턴스 분할 결과를 정밀하게 경계 시각화합니다.

이 블록이 작동하는 방식

이 블록은 이미지와 인스턴스 분할 예측(분할 마스크 포함)을 받아 각 검출된 객체의 모양을 정확하게 따라가는 다각형 윤곽선을 그립니다. 이 블록은:

1. 이미지와 인스턴스 분할 예측을 입력으로 받습니다(예측에는 마스크 데이터가 포함되어야 함)

2. 분할 마스크를 객체 경계를 추적하는 다각형 좌표로 변환합니다

3. 선택한 색상 팔레트를 기반으로 색상 스타일을 적용하며, 색상은 클래스, 인덱스 또는 추적 ID에 따라 할당됩니다

4. PolygonAnnotator를 사용하여 지정된 두께로 다각형 윤곽선을 그립니다

5. 원본 이미지 위에 다각형 윤곽선이 겹쳐진 주석 이미지를 반환합니다

이 블록은 각 객체의 정확한 모양을 분할 마스크에서 추출하고, 이러한 정밀한 경계를 따르는 다각형 윤곽선을 그립니다. 이는 경계 상자보다 훨씬 더 정확한 시각화를 제공하는데, 다각형은 사각형으로 둘러싸는 대신 실제 객체 모양에 맞춰지기 때문입니다. 마스크 데이터가 없으면 이 블록은 경계 상자를 그리는 방식으로 대체합니다. 다각형 윤곽선은 두께 값과 색상 팔레트를 다르게 지정해 사용자 지정할 수 있어, 서로 다른 객체나 객체 클래스를 명확하게 구분할 수 있습니다.

일반적인 사용 사례

• 정밀한 객체 경계 시각화: 정확한 객체 윤곽이 필요한 의료 영상, 제조 품질 관리 또는 정밀 측정 워크플로 같은 애플리케이션을 위해 분할된 객체의 정확한 모양과 경계를 시각화합니다

• 인스턴스 분할 모델 검증: 다각형 예측이 객체 경계와 얼마나 잘 일치하는지 시각화하여 인스턴스 분할 모델 성능을 확인하고 디버그하며, 분할 오류를 식별하고 마스크 품질을 검증합니다

• 불규칙한 모양 분석: 사람, 동물, 복잡한 기계 부품처럼 불규칙하거나 직사각형이 아닌 모양의 객체를 시각화합니다. 경계 상자는 이러한 경우 부정확하거나 오해를 불러일으킬 수 있습니다

• 겹치는 객체 시각화: 여러 객체가 겹칠 때 객체 경계를 명확하게 보여줍니다. 다각형은 각 객체의 모양을 정확하게 표현하므로 겹치는 경계 상자에서 생길 수 있는 모호함이 없습니다

• 모양 기반 품질 관리: 결함 탐지 또는 분류에 객체의 정확한 윤곽이 중요한 제조, 농업 또는 품질 보증 워크플로에서 객체 모양과 경계를 검사합니다

• 과학 및 의료 영상: 측정, 분석 또는 진단에 정확한 경계 표현이 필수적인 의료 영상, 현미경 또는 과학 분석에서 분할 영역을 시각화합니다

다른 블록과 연결하기

이 블록의 주석이 달린 이미지는 다음에 연결할 수 있습니다:

• 다른 시각화 블록 (예: Label Visualization, Mask Visualization, Bounding Box Visualization) 다각형 윤곽선과 추가 주석을 결합해 포괄적으로 시각화할 수 있습니다

• 데이터 저장 블록 (예: Local File Sink, CSV Formatter, Roboflow Dataset Upload) 다각형 윤곽선이 포함된 주석 이미지를 저장하여 문서화, 보고 또는 학습 데이터 검증에 사용할 수 있습니다

• 웹훅 블록 다각형 윤곽선이 있는 시각화 결과를 대시보드나 분석 도구에서 표시할 수 있도록 외부 시스템, API 또는 웹 애플리케이션으로 보냅니다

• 알림 블록 (예: Email Notification, Slack Notification) 경고나 보고서의 시각적 증거로 다각형 윤곽선이 있는 주석 이미지를 보냅니다

• 비디오 출력 블록 실시간 모니터링, 추적 또는 후처리 분석을 위해 다각형 윤곽선이 포함된 주석 비디오 스트림이나 녹화본을 생성합니다

유형 식별자

step에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/polygon_visualization@v1 를 워크플로에 단계로 추가합니다.

속성

이름	유형	설명	참조
name	str	이 단계에 고유 식별자를 입력하세요..	❌
copy_image	bool	이 옵션을 활성화하면 시각화를 위해 입력 이미지의 복사본을 만들어 원본을 보존합니다. 여러 시각화를 겹쳐 사용할 때 이 옵션을 사용하세요..	✅
color_palette	str	시각화 요소에 사용할 색상 팔레트를 선택하세요..	✅
palette_size	int	팔레트의 색상 개수를 지정하세요. 이는 사용자 지정 또는 Matplotlib 팔레트를 사용할 때 적용됩니다..	✅
custom_colors	List[str]	경계 상자에 사용할 사용자 지정 색상 목록을 HEX 형식으로 정의하세요..	✅
color_axis	str	경계 상자 색상이 할당되는 방식을 선택하세요..	✅
thickness	int	다각형 윤곽선의 두께를 픽셀 단위로 지정합니다. 값이 클수록 더 두껍고 눈에 잘 띄는 윤곽선이 만들어집니다..	✅

해당 참조 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 워크플로 런타임. 자세한 내용은 바인딩 를 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 다각형 시각화 버전 v1 가 있습니다.

입력 및 출력 바인딩

• 입력

  • image (image): 시각화에 사용할 이미지입니다..

  • copy_image (불리언): 이 옵션을 활성화하면 시각화를 위해 입력 이미지의 복사본을 만들어 원본을 보존합니다. 여러 시각화를 겹쳐 사용할 때 이 옵션을 사용하세요..

  • predictions (Union[instance_segmentation_prediction, rle_instance_segmentation_prediction]): 마스크 데이터를 포함한 인스턴스 분할 예측입니다. 이 블록은 마스크를 각 검출된 객체의 정확한 모양을 따르는 다각형 윤곽선으로 변환합니다..

  • color_palette (문자열): 시각화 요소에 사용할 색상 팔레트를 선택하세요..

  • palette_size (정수): 팔레트의 색상 개수를 지정하세요. 이는 사용자 지정 또는 Matplotlib 팔레트를 사용할 때 적용됩니다..

  • custom_colors (list_of_values): 경계 상자에 사용할 사용자 지정 색상 목록을 HEX 형식으로 정의하세요..

  • color_axis (문자열): 경계 상자 색상이 할당되는 방식을 선택하세요..

  • thickness (정수): 다각형 윤곽선의 두께를 픽셀 단위로 지정합니다. 값이 클수록 더 두껍고 눈에 잘 띄는 윤곽선이 만들어집니다..

• 출력

  • image (image): 워크플로의 이미지.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/polygon_visualization@v1",
	    "image": "$inputs.image",
	    "copy_image": true,
	    "predictions": "$steps.instance_segmentation_model.predictions",
	    "color_palette": "DEFAULT",
	    "palette_size": 10,
	    "custom_colors": [
	        "#FF0000",
	        "#00FF00",
	        "#0000FF"
	    ],
	    "color_axis": "CLASS",
	    "thickness": 2
	}