🟠 実例分割V1

機能説明

オペレーターは深層学習により入力されたカラー画像に対して実例分割を行うことができます。事前に訓練された深層学習モデル（.pthファイル）をアップロードし、そのモデルを利用して入力画像を分析し、最終的に識別された各オブジェクトの位置、カテゴリー、信頼度スコアなどのデータを出力します。

背景が複雑または物体が互いに近接・重複しているシーンで、物体の精確な輪郭を識別し、各物体実例を分離して独立した分析を行い、より信頼性が高く適合性の良いつかみ姿勢を計画するのに適用されます。

入力項目

画像：実例分割を行う単一カラー画像。

出力項目

検出結果：リスト。画像内で成功識別されたすべての物体実例を含みます。リスト内の各要素は1つの物体を表し、その物体のカテゴリー、信頼度スコア、外接矩形枠、輪郭ポリゴンなどの情報を含みます。

一度に1枚の画像のみ処理可能で、複数枚を入力した場合、デフォルトで最初の画像のみを処理します。

パラメータ説明

訓練済みの実例分割用深層学習モデルを読み込むために使用されます。

調整説明

現在の特定の応用シーンとターゲット物体に対して訓練されたモデルファイルを選択してアップロードしてください。モデルの品質が結果の精度と堅牢性を直接決定します。

パラメータ範囲

ファイル形式要件は.pth形式です。

パラメータ説明

モデル出力結果の「信頼性」しきい値を設定するために使用されます。モデルが各物体を識別する際、0から1の間のスコアを与え、その識別結果に対する信頼度を表します。このスコアがこの閾値より高い物体のみが有効な結果として出力されます。

調整説明

数値を上げる：フィルタリング条件がより厳格になります。オペレーターはモデルが非常に確信している結果のみを出力します。これにより誤識別は減りますが、識別特徴が不明瞭または部分的に遮蔽された真のターゲットを見逃す可能性があります。
数値を下げる：フィルタリング条件がより緩やかになります。オペレーターはより多くの可能性のあるターゲットを出力しますが、より多くの誤識別を引き起こす可能性があります。ターゲットではない多くの物体が誤って出力されることが分かった場合、この閾値を上げてみてください。明らかなターゲットが識別されない場合は、この閾値を適度に下げてください。

パラメータ範囲

[0,1]、デフォルト値：0.9

パラメータ説明

オペレーターがCPUまたはGPUで計算を行うかを制御します。深層学習モデルは計算量が大きいため、GPUを使用することで処理速度を大幅に向上させることができます。

調整説明

無効（デフォルト）：オペレーターはCPUで計算を行います。汎用性は良く特別なハードウェアは不要ですが、1枚の画像の処理により長い時間が必要になる場合があり、速度要求の高いシーンには適しません。
有効（推奨）：本機デバイスがGPUグラフィックスカードに対応している場合、このオプションを有効にすることを推奨します。処理速度が大幅に向上します。