الاستنتاج#

يوفر Ultralytics Platform استدلالاً مستنداً إلى المتصفح لاختبار النماذج المدربة ونطاقات مخصصة للوصول البرمجي.

علامة تبويب التنبؤ#

يتضمن كل نموذج علامة تبويب Predict للاستنتاج عبر المتصفح:

1. انتقل إلى النموذج الخاص بك
2. انقر فوق علامة التبويب Predict
3. قم بتحميل صورة، أو استخدم مثالاً، أو افتح كاميرا الويب الخاصة بك
4. راجع التراكب الخاص بالمهمة، وملخص التنبؤ، والتوقيت، والاستجابة الخام

طرق الإدخال#

تدعم لوحة التوقع طرق إدخال متعددة:

graph LR
    A[Upload Image]:::start --> D[Auto-Inference]:::proc
    B[Example Image]:::start --> D
    C[Webcam Capture]:::start --> D
    D --> E[Results + Overlays]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

تحميل صورة#

سحب وإفلات أو انقر للتحميل:

• التنسيقات المدعومة: JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP, DNG, MPO
• الحجم الأقصى: 10MB
• الاستنتاج التلقائي: تظهر النتائج تلقائياً بعد التحميل

صور الأمثلة#

تعرض لوحة التوقع صوراً توضيحية من مجموعة البيانات المرتبطة بنموذجك. إذا لم يتم ربط أي مجموعة بيانات، يتم استخدام الأمثلة الافتراضية:

بالنسبة لنماذج OBB، يتم عرض صور جوية للقوارب والمطارات بدلاً من ذلك.

كاميرا الويب#

انقر على بطاقة كاميرا الويب لبدء بث الكاميرا المباشر:

1. امنح إذن الوصول للكاميرا عند المطالبة بذلك
2. انقر على معاينة الفيديو لالتقاط إطار
3. يتم إجراء الاستنتاج تلقائياً على الإطار الذي تم التقاطه
4. انقر مرة أخرى لإعادة تشغيل كاميرا الويب

عرض النتائج#

تعرض نتائج الاستدلال النخراج المناسب لمهمة النموذج: المربعات، أو الأقنعة، أو النقاط الرئيسية، أو المربعات الموجهة، أو درجات التصنيف، أو التغطية الدلالية، أو خريطة العمق. تستخدم نتائج الكائنات ألوان فئة مجموعة البيانات عند توفرها. تظهر اللوحة أيضاً أوقات المعالجة المسبقة، والاستدلال، والمعالجة اللاحقة، والشبكة.

تعرض لوحة النتائج ما يلي:

معايير الاستنتاج#

اضبط سلوك الاستدلال باستخدام أشرطة التمرير الثلاثة أدناه الصورة:

عتبة الثقة#

تصفية التوقعات حسب الثقة:

• أعلى (0.5+): توقعات أقل، ولكن أكثر يقينية
• أقل (0.1-0.25): توقعات أكثر، مع بعض الضوضاء
• افتراضي (0.25): متوازن لمعظم حالات الاستخدام

عتبة IoU#

التحكم في خوارزمية NMS (Non-Maximum Suppression):

• أعلى (0.7+): السماح بمزيد من الصناديق المتداخلة
• الحد الأدنى (0.3-0.5): قمع الاكتشافات المتداخلة بشكل أكثر عدوانية
• افتراضي (0.7): سلوك NMS متوازن لمعظم حالات الاستخدام

توقع النشر#

يتضمن كل نقطة نهاية مخصصة قيد التشغيل علامة تبويب Predict مباشرة على بطاقة النشر الخاصة بها. يستخدم هذا خدمة استنتاج النشر نفسها بدلاً من خدمة التوقع المشتركة، مما يتيح لك اختبار نقطة النهاية المنشورة من المتصفح.

API النطاق المخصص#

تحتوي بطاقة API Docs في علامة التبويب Predict للنموذج على طلبات Python وJavaScript وcURL نموذجية. تستخدم الأمثلة عناصر نائبة حتى تقوم بنشر النموذج. بعد النشر، تملأ علامة التبويب Code لبطاقة النشر عنوان URL للنطاق ومفتاح API المتاح لمساحة العمل الخاصة بك.

المصادقة#

قم بتضمين مفتاح API الخاص بك في الطلبات:

Authorization: Bearer YOUR_API_KEY

نقطة النهاية#

POST https://YOUR_DEPLOYMENT_URL.run.app/predict

طلب#

import requests

url = "https://YOUR_DEPLOYMENT_URL.run.app/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
data = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as image_file:
    response = requests.post(url, headers=headers, files={"file": image_file}, data=data)
print(response.json())

معلمات الطلب#

استجابة#

{
    "images": [
        {
            "shape": [1080, 1920],
            "results": [
                {
                    "class": 0,
                    "name": "person",
                    "confidence": 0.92,
                    "box": { "x1": 100, "y1": 50, "x2": 300, "y2": 400 }
                },
                {
                    "class": 2,
                    "name": "car",
                    "confidence": 0.87,
                    "box": { "x1": 400, "y1": 200, "x2": 600, "y2": 350 }
                }
            ],
            "speed": {
                "preprocess": 1.2,
                "inference": 12.5,
                "postprocess": 2.3
            }
        }
    ],
    "metadata": {
        "imageCount": 1,
        "functionTimeCall": 0.018,
        "task": "detect",
        "version": {
            "ultralytics": "8.x.x",
            "torch": "2.6.0",
            "torchvision": "0.21.0",
            "python": "3.13.0"
        }
    }
}

حقول الاستجابة#

الاستجابات الخاصة بكل مهمة#

يختلف تنسيق الاستجابة حسب المهمة:

{
  "class": 0,
  "name": "person",
  "confidence": 0.92,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400}
}

حدود المعدل#

يقتصر API النماذج المشترك على 20 طلباً/دقيقة لكل مفتاح API، أو مُتصل مسجل الدخول، أو عنوان IP مجهول. عند تقييد المعدل، يُرجع API الرمز 429 مع رأس Retry-After. راجع مرجع حد المعدل الكامل لمعرفة جميع فئات النطاقات.

معالجة الأخطاء#

استجابات الخطأ الشائعة:

الأسئلة الشائعة#

هل يمكنني إجراء الاستدلال على الفيديو؟#

تقبل كلتا طريقتي الاستدلال ملفات الفيديو:

• نقاط النهاية المخصصة تقبل ملفات الفيديو مباشرة. التنسيقات المدعومة (حتى 100 ميجابايت): ASF, AVI, GIF, M4V, MKV, MOV, MP4, MPEG, MPG, TS, WEBM, WMV. تتم معالجة كل إطار على حدة ويتم إرجاع النتائج لكل إطار. راجع نقاط النهاية المخصصة للحصول على التفاصيل.
• يستخدم الاستدلال المشترك (/api/models/{id}/predict) نفس خدمة التنبؤ ويقبل نفس تنسيق الفيديو. تحدد علامة التبويب Predict في المتصفح الصور فقط، لذا استخدم API أو نطاقاً مخصصاً للفيديو.

كيف أحصل على الصورة المشروحة؟#

تقوم الـ API بإرجاع تنبؤات بتنسيق JSON. للتصور:

1. استخدم التنبؤات لرسم المربعات محلياً
2. استخدم طريقة plot() الخاصة بـ Ultralytics:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model("image.jpg")
results[0].save("annotated.jpg")

راجع توثيق وضع Predict للحصول على نتائج الـ API الكاملة وخيارات التصور.

ما هو الحد الأقصى لحجم الصورة؟#

• حد علامة التبويب Predict: 10 ميجابايت
• حد API النطاق المخصص: 100 ميجابايت
• تغيير الحجم تلقائياً في علامة التبويب Predict: يتم تغيير حجم الصور إلى Image Size المحدد قبل الرفع

يتم تغيير حجم الصور الكبيرة تلقائياً مع الحفاظ على نسبة العرض إلى الارتفاع.

هل يمكنني تشغيل استدلال الدفعات (Batch Inference)؟#

تقوم الـ API الحالية بمعالجة صورة واحدة لكل طلب. للدفعات:

1. إرسال طلبات منفصلة لكل صورة
2. توزيع الطلبات عبر النطاقات المخصصة عندما يكون ذلك مناسباً
3. استخدام الاستدلال المحلي للدفعات الكبيرة

import concurrent.futures

import requests

url = "https://predict-abc123.run.app/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
images = ["img1.jpg", "img2.jpg", "img3.jpg"]

def predict(image_path):
    with open(image_path, "rb") as f:
        return requests.post(url, headers=headers, files={"file": f}).json()

with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:
    results = list(executor.map(predict, images))