# RT-DETR 檢測節點 RT-DETR 檢測節點使用 RT-DETR 模型對輸入影像執行物件檢測。它會識別物件、在物件周圍繪製邊界框，並根據 COCO 資料集類別進行標記。您可以根據置信度分數、物件類別進行篩選，並限制檢測總數。 ## 輸入 | 參數 | 說明 | 資料類型 | 必要 | 範圍 | | --- | --- | --- | --- | --- | | `模型` | 用於物件檢測的 RT-DETR 模型。 | MODEL | 是 | N/A | | `圖像` | 要檢測物件的輸入影像。節點最多以 32 張影像為一批進行處理。 | IMAGE | 是 | N/A | | `閾值` | 檢測結果必須達到的最低置信度分數才會被納入結果（預設值：0.5）。 | FLOAT | 否 | N/A | | `類別名稱` | 按類別篩選檢測結果。設定為 'all' 可停用篩選（預設值："all"）。 | COMBO | 否 | `"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"` | | `最大偵測數` | 每張影像返回的最大檢測數量。按置信度分數降序排列（預設值：100）。 | INT | 否 | N/A | ## 輸出 | 輸出名稱 | 說明 | 資料類型 | | --- | --- | --- | | `bboxes` | 每張輸入影像的邊界框列表。每個框包含座標 (x, y, width, height)、類別標籤和置信度分數。 | BOUNDINGBOX | > 本文檔由 AI 生成。如果您發現任何錯誤或有改進建議，歡迎貢獻！ [在 GitHub 上編輯](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/RTDETR_detect/zh-TW.md) --- **Source fingerprint (SHA-256):** `0c32aa9e17b8ea81e52cb45df2a40f7c1faeb39fdf18dfc643d1d31ed0bfdefd`