Human Segmentation(humanSegmentation)

Нода Human Segmentation выполняет семантическую сегментацию человека на входном изображении с помощью набора предобученных моделей. Она создает изображение результата сегментации, маску, покрывающую выбранные части/компоненты, и границы (bounding box) вокруг обнаруженной области.

Входы

Изображение

Входное изображение для сегментации.

Метод

Модель сегментации для использования. Доступные методы:

• selfie_multiclass_256x256
• human_parsing_lip
• human_parts (deeplabv3p)
• segformer_b3_clothes
• segformer_b3_fashion
• face_parsing

У каждого метода свой набор меток, а доступные mask_components формируются в зависимости от выбранного метода.

confidence

Минимальный порог уверенности для прогнозов сегментации. По умолчанию: 0.4
Диапазон: 0.05 – 0.95
Шаг: 0.01

Более низкие значения включают в маску более неопределенные области; более высокие значения подавляют прогнозы с низкой уверенностью и создают более плотные и чистые маски.

crop_multi

Множитель, используемый для управления областью кадрирования вокруг обнаруженной сегментации. По умолчанию: 0
Диапазон: 0 – 10
Шаг: 0.001

При значении 0 область кадрирования остается плотно привязанной к маске/bbox. Более высокие значения расширяют область кадрирования вокруг объекта.

mask_components

Список с множественным выбором компонентов/классов сегментации для включения в маску и итоговое изображение. Можно выбрать несколько компонентов; их области объединяются в выходную маску.

Доступные варианты зависят от выбранного method, поскольку каждая модель предоставляет разные семантические классы.

Выходы

Выход IMAGE

Изображение результата сегментации: визуальный результат выбранной сегментации после применения mask_components, confidence и crop_multi.

MASK

Маска, сгенерированная из выбранных mask_components после применения порога уверенности. Она пространственно соответствует выходному изображению.

BBOX

Границы (bounding box) вокруг выбранных компонентов сегментации в координатах изображения. Это можно использовать для дальнейшего кадрирования, conditioning или обработки по регионам.

Примечания по использованию

• Выберите method, соответствующий нужному типу сегментации. Например, методы, ориентированные на одежду, полезны для масок, связанных с модой, а face_parsing подходит для областей лица.
• Оставьте crop_multi равным 0 для плотного кадрирования объекта или увеличьте его, чтобы включить больше окружающего контекста в итоговое изображение.
• Параметр mask_components поддерживает множественный выбор, поэтому можно объединить несколько частей тела или классов объектов в одну маску.
• Веса модели выбранного метода могут быть загружены при первом использовании, поэтому первый запуск может занять больше времени, чем последующие.