Object Detection - Custom

Dieser Funktionsblock ermöglicht die benutzerdefinierte Objekterkennung innerhalb von Bildern mithilfe eines vortrainierten Modells. Benutzer können angeben, welche Klassen von Objekten sie erkennen möchten, und die Vertrauensschwellenwerte für die Erkennung festlegen.

📥 Eingänge

Image Any Ein Eingang, um die Bilddaten zu speisen, die für die Objekterkennung verarbeitet werden.

📤 Ausgänge

Image Any Das Ausgabeimage mit hervorgehobenen erkannten Objekten.

Object Count Die Gesamtanzahl der erkannten Objekte im Eingangsbild.

Object Locations Die Liste der Koordinaten für die erkannten Objekte.

Object Sizes (w, h) Die Abmessungen der erkannten Objekte.

Object Class Die Liste der Klassen für die erkannten Objekte.

Rectangles Die Begrenzungsrechtecke um die erkannten Objekte.

🕹️ Steuerungen

Open Weight File Eine Schaltfläche, um die Gewichtungsdatei auszuwählen, die für das Objekterkennungsmodell benötigt wird.

Open Config File Eine Schaltfläche, um die Konfigurationsdatei für das Modell auszuwählen.

Open Class File Eine Schaltfläche, um die Datei mit Klassennamen auszuwählen, die die verfügbaren Objektkategorien für die Erkennung enthält.

Confidence Threshold % Ein Schieberegler, um den Vertrauensschwellenwert für die Erkennungen festzulegen und die Empfindlichkeit der Erkennung anzupassen.

Class Names Table Eine Anzeige der verfügbaren Klassennamen für die Erkennung, die es den Benutzern ermöglicht, auszuwählen, auf welche Klassen sie sich konzentrieren möchten.

🎨 Funktionen

Customizable Detection Bietet die Flexibilität, verschiedene Modelle zu laden und anzugeben, welche Klassen erkannt werden sollen, was eine maßgeschneiderte Nutzung für verschiedene Anwendungen ermöglicht.

Real-time Detection Das Modell verarbeitet das Bild und erkennt Objekte effizient, mit sofortiger visueller Rückmeldung zum Ergebnis.

Confidence Adjustment Benutzer können den Vertrauensschwellenwert über einen Schieberegler anpassen, um Erkennungen basierend auf Vertrauensniveaus einzuschließen oder auszuschließen.

📝 Nutzungshinweise

1. Modelldateien laden:

   • Klicken Sie auf Open Weight File, um die Gewichtungsdatei des Modells auszuwählen.

   • Klicken Sie auf Open Config File, um die Konfigurationsdatei des Modells auszuwählen.

   • Klicken Sie auf Open Class File, um die Datei mit den Klassennamen auszuwählen.

2. Klassen auswählen:

   • Die aus der Klassendatei geladenen Klassennamen erscheinen in der Class Names Table. Wählen Sie die gewünschten Klassen zur Erkennung aus.

3. Vertrauen anpassen:

   • Verwenden Sie den Schieberegler Confidence Threshold %, um den gewünschten Erkennungsschwellenwert festzulegen.

4. Verbinden und bewerten:

   • Verbinden Sie ein Bild mit dem Eingang. Der Block verarbeitet das Bild und gibt das modifizierte Bild zurück, das die erkannten Objekte anzeigt.

📊 Bewertung

Nach der Ausführung gibt dieser Funktionsblock ein annotiertes Bild aus, zusammen mit Details zu den erkannten Objekten, einschließlich ihrer Anzahl, Größen, Klassen und Standorte.

💡 Tipps und Tricks

Verwendung benutzerdefinierter Modelle

Stellen Sie sicher, dass die Gewichtungs-, Konfigurations- und Klassendateien zueinander passen und mit der YOLOv4-Modellarchitektur kompatibel sind, um Ladefehler zu vermeiden.

Umgang mit mehreren Objekten

Wenn Sie mehrere Objekte aus verschiedenen Klassen erkennen, stellen Sie sicher, dass Ihre Klassendatei alle interessierenden Objektklassen enthält.

Feinabstimmung der Erkennungsempfindlichkeit

Passen Sie den Confidence Threshold %-Schieberegler an, um die Empfindlichkeit der Erkennung zu steuern. Wenn Sie diesen zu hoch einstellen, könnten Erkennungen verpasst werden, während ein zu niedriger Wert zu falschen Erkennungen führen kann.

🛠️ Fehlersuche

Modell nicht geladen

Wenn das Modell nicht geladen wird, stellen Sie sicher, dass die Pfade für die Gewichtungs-, Konfigurations- und Klassendateien korrekt festgelegt sind und auf vorhandene Dateien verweisen.

Keine Erkennungen gefunden

Wenn keine Erkennungen zurückgegeben werden, überprüfen Sie, ob die ausgewählten Klassen mit den im Eingangsbild vorhandenen Objekten übereinstimmen. Passen Sie den Vertrauensschwellenwert nach Bedarf an.