RT-DETR 감지 - ComfyUI Built-in Node Documentation - ComfyUI

RT-DETR Detect 노드는 RT-DETR 모델을 사용하여 입력 이미지에서 객체 감지를 수행합니다. 객체를 식별하고, 객체 주변의 경계 상자(bounding box)를 반환하며, COCO 데이터셋 클래스에 따라 객체에 레이블을 지정합니다. 신뢰도 점수와 객체 클래스로 결과를 필터링하고 감지 총 개수를 제한할 수 있습니다.

입력

매개변수	설명	데이터 타입	필수	범위
`model`	객체 감지에 사용되는 RT-DETR 모델입니다.	MODEL	예	N/A
`image`	객체를 감지할 입력 이미지입니다. 이 노드는 최대 32개씩 이미지를 배치로 처리합니다.	IMAGE	예	N/A
`threshold`	결과에 포함되기 위해 감지가 가져야 하는 최소 신뢰도 점수입니다(기본값: 0.5).	FLOAT	예	N/A
`class_name`	클래스별로 감지 결과를 필터링합니다. 필터링을 비활성화하려면 ‘all’로 설정합니다(기본값: “all”).	COMBO	예	`"all"` `"person"` `"bicycle"` `"car"` `"motorcycle"` `"airplane"` `"bus"` `"train"` `"truck"` `"boat"` `"traffic light"` `"fire hydrant"` `"stop sign"` `"parking meter"` `"bench"` `"bird"` `"cat"` `"dog"` `"horse"` `"sheep"` `"cow"` `"elephant"` `"bear"` `"zebra"` `"giraffe"` `"backpack"` `"umbrella"` `"handbag"` `"tie"` `"suitcase"` `"frisbee"` `"skis"` `"snowboard"` `"sports ball"` `"kite"` `"baseball bat"` `"baseball glove"` `"skateboard"` `"surfboard"` `"tennis racket"` `"bottle"` `"wine glass"` `"cup"` `"fork"` `"knife"` `"spoon"` `"bowl"` `"banana"` `"apple"` `"sandwich"` `"orange"` `"broccoli"` `"carrot"` `"hot dog"` `"pizza"` `"donut"` `"cake"` `"chair"` `"couch"` `"potted plant"` `"bed"` `"dining table"` `"toilet"` `"tv"` `"laptop"` `"mouse"` `"remote"` `"keyboard"` `"cell phone"` `"microwave"` `"oven"` `"toaster"` `"sink"` `"refrigerator"` `"book"` `"clock"` `"vase"` `"scissors"` `"teddy bear"` `"hair drier"` `"toothbrush"`
`max_detections`	이미지당 반환할 최대 감지 개수입니다. 신뢰도 점수가 높은 순서대로 반환됩니다(기본값: 100).	INT	예	N/A

출력

출력 이름	설명	데이터 타입
`bboxes`	각 입력 이미지에 대한 경계 상자 목록입니다. 각 상자에는 좌표(x, y, 너비, 높이), 클래스 레이블 및 신뢰도 점수가 포함됩니다.	BOUNDINGBOX

이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! GitHub에서 편집

Source fingerprint (SHA-256): 658a47cae788da207a52edc6bf8a428c9f3d8cf415e5f20f71d6125ad6d49734