`model.predict` fails when running segmentation model on numpy images

import cv2

version = rf.workspace("model-examples").project("car-parts-instance-segmentation").version(3)
dataset = version.download("yolov8")
seg_model = version.model

first_image_path = os.listdir(f"{dataset.location}/train/images")[0]
first_image_path = f"{dataset.location}/train/images/{first_image_path}"
seg_image = cv2.imread(first_image_path)
assert seg_image is not None

# Path
result = seg_model.predict(first_image_path).json()
detections = sv.Detections.from_inference(result)
assert len(detections) > 0
# Succeeds

# Np img
result = seg_model.predict(seg_image).json()
detections = sv.Detections.from_inference(result)
assert len(detections) > 0
# Fails!

# Empty np img
result = seg_model.predict(black_image).json()
detections = sv.Detections.from_inference(result)
assert len(detections) == 0
# Fails!

Inizia riproducendo gli esempi nell’issue e segui l’entry point model.predict per gli input costituiti da percorsi rispetto alle immagini NumPy. Verifica il comportamento per l’immagine di segmentazione e l’immagine nera vuota; il lavoro è completato quando entrambe restituiscono risultati che possono essere convertiti con sv.Detections.from_inference, con zero rilevamenti per l’immagine vuota.