🟠 实例分割V1

功能描述

算子可通过深度学习对输入的彩色图像进行实例分割。上传一个预先训练好的深度学习模型（.pth文件），并利用该模型分析输入图像，最终输出每个被识别对象的位置、类别、置信度得分等数据。

使用场景

在背景复杂或物体相互靠近、重叠的场景中，识别物体的精确轮廓，将每个物体实例分离出来，以便进行独立的分析，规划更可靠、更贴合的抓取姿态。

输入输出

输入项

图像：待进行实例分割的单张彩色图像。

输出项

检测结果：一个列表，包含了图像中所有被成功识别的物体实例。列表中的每一个元素都代表一个物体，包含该物体的类别、置信度得分、外接矩形框和轮廓多边形等信息。

参数说明

一次只能处理一张图像，如果输入多张，默认只处理第一张图像。

模型文件

参数说明

用于加载训练好的、用于实例分割的深度学习模型。

调参说明

选择上传针对当前特定应用场景和目标物体训练好的模型文件，模型的质量直接决定了结果的准确率和鲁棒性。

参数范围

文件格式要求为.pth格式。

置信阈值

参数说明

用于设定模型输出结果的“可信度”门槛。模型在识别每个物体时，都会给出一个0到1之间的分数，表示其对该识别结果的可信任程度有多高，只有分数高于此阈值的物体才会被作为有效结果输出。

调参说明

  • 调高数值：筛选条件变得更严格。算子只会输出模型非常有把握的结果。这会减少误识别，但可能会漏掉一些识别特征不明显或被部分遮挡的真实目标。

  • 调低数值：筛选条件变得更宽松。算子会输出更多可能的目标，但有可能引入更多的误识别。 如果发现有很多不是目标的物体被错误输出，可以尝试调高此阈值；如果发现有明显的目标没有被识别出来，可适当调低此阈值。

参数范围

[0,1]，默认值：0.9

启用GPU加速

参数说明

控制算子是使用CPU还是GPU进行计算。由于深度学习模型计算量较大，使用GPU可以极大地提升处理速度。

调参说明

  • 关闭（默认）：算子将使用CPU进行计算。虽然通用性好，不需要特殊硬件，但处理一张图片可能需要更长时间，不适用于对速度要求高的场景。

  • 开启（推荐）：如果本机设备支持GPU显卡，建议开启此选项，将大大提升处理速度。