콘텐츠로 건너뛰기
STAGING SERVER
DEVELOPMENT SERVER

Classification vTool#

Classification vTool은 이미지 내의 객체를 분류합니다. 즉, 선택한 모델을 기반으로 객체를 감지하고 클래스에 따라 레이블을 지정합니다.

Classification vTool은 Image 입력 핀을 통해 수신한 이미지의 객체를 분류할 수 있습니다. 결과는 Classes 및 Scores 출력 핀을 통해 출력됩니다.

분류 전에 ROI Creator vTool을 사용하여 관심 영역을 지정하는 경우, Classification vTool은 Roi 입력 핀을 통해 ROI 데이터를 수신합니다. 이 경우 관심 영역에 대해서만 분류가 수행됩니다. 부수적인 효과로 처리 속도가 빨라집니다.

Classification vTool 라이선스를 구매하려면 Basler 웹사이트를 방문하세요.

Classification vTool

작동 원리#

이미지를 분류하여 허스키가 포함되어 있는지 아니면 플라밍고가 포함되어 있는지 확인하려고 한다고 가정해 보겠습니다.

플라밍고를 보여주는 입력 이미지입니다:

플라밍고를 보여주는 입력 이미지

Husky 및 Flamingo를 포함한 다양한 카테고리로 이미지를 분류하도록 학습된 모델을 로드하여 vTool을 설정합니다.

동물 분류를 위해 선택된 Bundle

다음으로 감지하고 분류할 클래스를 선택할 수 있습니다. 일부 모델은 사용 사례에 정확히 맞춰져 있을 수 있습니다. 이 경우 원하는 모든 클래스가 이미 선택되어 있습니다.

Classes 선택 대화 상자

vTool을 설정한 후 추론 프로세스를 시작하는 레시피를 실행합니다. vTool은 모델을 사용하여 이미지를 분석하고 존재하는 객체를 식별합니다. 분석이 완료되면 분류 결과가 반환됩니다.

핀 데이터 뷰의 결과 이미지입니다:

결과가 강조 표시된 Classification

상세 출력

Class: Flamingo

Score: 0.687027

이 결과는 모델이 이미지 속 객체가 플라밍고일 확률을 68.7% 확신함을 나타냅니다.

그러나 업로드된 이미지에 플라밍고가 포함되어 있지만 Flamingo 클래스가 선택되지 않은 경우, 모델은 플라밍고와 관련된 어떠한 결과도 반환하지 않습니다. vTool은 선택된 클래스에 대해서만 분류하고 결과를 반환할 수 있습니다.

이 기능을 사용하면 관심 있는 특정 카테고리에 분류를 집중시켜 관련 결과만 표시되도록 할 수 있습니다.

Batching Feature#

Classification vTool은 Roi 입력 핀에서 여러 개의 사각형을 수신합니다. 속도와 효율성을 향상하려면 Batching 기능을 사용하여 여러 사각형을 동시에 처리하세요. 이를 통해 Inference Server는 여러 추론 요청을 단일 요청으로 그룹화할 수 있습니다. 이를 위해서는 모델이 Batching을 지원해야 합니다. 선택한 모델이 Batching을 지원하지 않는 경우 각 ROI가 단일 요청으로 처리되어 성능이 저하될 수 있습니다.

모델이 배치 처리를 지원하는지 여부는 Model Settings 파라미터 그룹의 Features - All 창에서 확인할 수 있습니다.

최적의 배치 크기는 하드웨어에 따라 다릅니다. 배치 크기가 사용 가능한 하드웨어 성능을 초과하면 성능 저하가 발생할 수 있습니다. 성능이 만족스러울 때까지 다양한 배치 크기를 시도해 보세요. 일반적인 규칙으로, 배치 크기는 입력되는 직사각형의 수를 초과하지 않아야 합니다.

vTool 설정하기#

Classification vTool을 구성하려면:

Classification vTool 설정

  1. vTool Settings 영역의 Recipe Management 창에서 Open Settings를 클릭하거나 vTool을 더블 클릭합니다.
    Classification 대화상자가 열립니다.

  2. Server Selection 영역에서 연결할 서버를 선택합니다.
    연결하려면 서버가 실행 중이어야 합니다.

    • 옵션 1: Triton Inference Server의 IP 주소와 포트를 수동으로 입력합니다.
    • 옵션 2: 드롭다운 목록에서 서버의 IP 주소/호스트 이름과 포트를 선택합니다.

  3. Connect를 클릭하여 연결을 설정합니다.
    그러면 vTool이 사용 가능한 모델을 로드합니다.

  4. 다음에서 모델 선택 영역에서 드롭다운 목록의 원하는 모델이 포함된 번들을 선택합니다.
    번들을 선택한 후, 드롭다운 목록 아래의 정보가 번들 세부 정보로 채워져 올바른 번들을 선택했는지 확인할 수 있습니다.
    모델 선택 영역

  5. 원하는 번들이 목록에 없는 경우 클릭하세요. 새 모델 배포 드롭다운 목록에서.
    새 모델 배포
    이것은 다음을 엽니다. pylon AI Agent 더 많은 모델을 배포할 수 있습니다.
    새 모델을 배포한 후 다음 버튼을 클릭해야 합니다. Refresh button.

  6. Detection Settings 영역에서 Select Classes를 클릭하여 분류할 클래스를 선택합니다.
    사용 가능한 클래스가 포함된 대화상자가 열립니다. 기본적으로 모든 클래스가 선택되어 있습니다. 원하는 만큼 클래스를 선택할 수 있습니다.

    정보

    이 영역에서 사용할 수 있는 파라미터는 선택한 모델에 따라 다릅니다. 일부 파라미터는 특정 모델을 선택한 경우에만 사용할 수 있습니다. 기본값은 모델에서 제공됩니다.

  7. OK를 클릭합니다.

분류 결과는 pin data view에서 확인할 수 있습니다. 여기에서 표시할 출력을 선택할 수 있습니다.

입력#

이미지#

Camera vTool 또는 이미지를 출력하는 vTool(예: Image Format Converter vTool)에서 직접 이미지를 허용합니다.

  • 데이터 형식: 이미지
  • 이미지 포맷: 8비트~16비트 컬러 이미지

ROI#

ROI Creator vTool 또는 직사각형을 출력하는 다른 vTool에서 관심 영역(ROI)을 수락합니다. 여러 개의 직사각형이 입력되고 모델이 이를 지원하는 경우 Batching 기능을 사용하여 단일 단계로 처리할 수 있습니다.

  • 데이터 타입: RectangleF, RectangleF Array

출력#

Classes#

가장 높은 신뢰도 점수를 가진 예측된 클래스를 반환합니다. 여러 개의 ROI가 입력된 경우, 모든 ROI에 대한 예측된 클래스가 출력됩니다.

  • 데이터 타입: String Array

Scores#

예측된 클래스의 신뢰도 점수를 반환합니다. 여러 개의 ROI가 입력된 경우, 모든 ROI에 있는 예측된 클래스의 점수가 출력됩니다.

  • 데이터 타입: Float Array

Payload#

평가를 위한 Inference Server의 성능과 관련된 추가 정보를 반환합니다. 이 출력 핀은 Debug Settings 파라미터 그룹의 Features - All 창에서 활성화한 경우에만 사용할 수 있습니다.

  • 데이터 타입: String

일반적인 선행 vTools#