RT-DETR 탐지 노드는 RT-DETR 모델을 사용하여 입력 이미지에서 객체 탐지를 수행합니다. 객체를 식별하고, 주변에 경계 상자를 그린 후 COCO 데이터셋 클래스에 따라 레이블을 지정합니다. 신뢰도 점수, 객체 클래스별로 결과를 필터링할 수 있으며, 탐지 결과의 총 개수를 제한할 수도 있습니다.
## 입력
| 매개변수 | 설명 | 데이터 타입 | 필수 | 범위 |
| --- | --- | --- | --- | --- |
| `model` | 객체 탐지에 사용되는 RT-DETR 모델입니다. | MODEL | 예 | 해당 없음 |
| `image` | 객체를 탐지할 입력 이미지입니다. 노드는 최대 32개까지 배치로 이미지를 처리합니다. | IMAGE | 예 | 해당 없음 |
| `threshold` | 결과에 포함되기 위해 탐지 결과가 가져야 하는 최소 신뢰도 점수입니다(기본값: 0.5). | FLOAT | 아니요 | 해당 없음 |
| `class_name` | 클래스별로 탐지 결과를 필터링합니다. 'all'로 설정하면 필터링이 비활성화됩니다(기본값: "all"). | COMBO | 아니요 | `"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 탐지 결과 개수입니다. 신뢰도 점수가 높은 순서대로 반환됩니다(기본값: 100). | INT | 아니요 | 해당 없음 |
## 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/RTDETR_detect/ko.md)
---
**Source fingerprint (SHA-256):** `0c32aa9e17b8ea81e52cb45df2a40f7c1faeb39fdf18dfc643d1d31ed0bfdefd`