rleinstancesegmentationprediction 유형

sv.Detections(...) 객체 형태의 감지된 경계 상자와 RLE로 인코딩된 분할 마스크가 있는 예측.

sv.Detections(...) 객체 형태로 감지된 바운딩 박스와 RLE로 인코딩된 분할 마스크를 사용한 예측

이 종류는 디코딩된 numpy 배열 대신 RLE(Run-Length Encoding)로 마스크가 저장된 인스턴스 분할 예측을 나타냅니다. 마스크는 다음에 있습니다 sv.Detections.data["rle_masks"] COCO 형식의 RLE 딕셔너리 numpy 배열로: {"size": [H, W], "counts": "encoded_string"}.

시각화 블록에 numpy 마스크가 필요할 때는, 필요 시 다음을 사용해 RLE를 디코딩합니다 pycocotools.

내부 값 예시:

sv.Detections(
    xyxy=array([[        127,         189,         322,         303]]),
    mask=None,  # 처음에는 None이며, 필요할 때 지연적으로 채워짐
    confidence=array([    0.95898]),
    class_id=array([6]),
    tracker_id=None,
    data={
        'class_name': array(['person'], dtype='<U6'),
        'detection_id': array(['51dfa8d5-261c-4dcb-ab30-9aafe9b52379'], dtype='<U36'),
        'parent_id': array(['image.[0]'], dtype='<U9'),
        'image_dimensions': array([[425, 640]]),
        'prediction_type': array(['rle-instance-segmentation'], dtype='<U26'),
        'rle_masks': array([{'size': [425, 640], 'counts': 'encoded_rle_string'}], dtype=object),
        # ... 기타 표준 필드
    }
)

데이터 표현

데이터 표현

이 종류는 내부 표현과 외부 표현이 다릅니다. 외부 표현은 워크플로우와의 통합에 관련이 있으며, 반면 내부 한쪽은 Workflows 블록 개발에 유용한 구현 세부 사항입니다.

외부

외부 데이터 표현은 Workflows 클라이언트와 관련이 있으며, 데이터의 입력 및 출력 형식을 규정합니다.

유형: dict

직렬화된 엔터티 세부 정보는 instance_segmentation_prediction와 비슷하지만, 폴리곤 대신 RLE 마스크를 사용합니다. RLE 형식은 COCO 표준을 따르며 다음을 사용해 디코딩할 수 있습니다 pycocotools.mask.decode().

내부

내부 데이터 표현은 Workflows 블록 제작자와 관련이 있습니다 - 이는 실행 엔진이 런타임에 이러한 종류의 입력을 받는 블록에 제공하는 유형입니다.

유형: sv.Detections