الاستدلال

منصة Ultralytics يوفر واجهة برمجة تطبيقات استدلالية لاختبار النماذج المدربة. استخدم المتصفح القائم على Predict علامة التبويب للتحقق السريع أو REST API للوصول البرمجي.

علامة التبويب "تنبؤ"

كل طراز يشمل Predict علامة تبويب للاستدلال المستند إلى المتصفح:

1. انتقل إلى نموذجك
2. انقر فوق علامة التبويب " التنبؤ "
3. قم بتحميل صورة أو استخدم مثالاً أو افتح كاميرا الويب الخاصة بك
4. عرض التنبؤات على الفور مع تراكب مربعات الحدود

طرق الإدخال

تدعم لوحة التنبؤ طرق إدخال متعددة:

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

    style D fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

تحميل صورة

اسحب وأفلت أو انقر للتحميل:

• التنسيقات المدعومة: JPEG، PNG، WebP، AVIF، HEIC، JP2، TIFF، BMP، DNG، MPO
• الحجم الأقصى: 10 ميجابايت
• الاستنتاج التلقائي: تظهر النتائج تلقائيًا بعد التحميل

صور أمثلة

تعرض لوحة التنبؤ صورًا نموذجية من مجموعة البيانات المرتبطة بنموذجك. إذا لم تكن هناك مجموعة بيانات مرتبطة، يتم استخدام أمثلة افتراضية:

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

كاميرا ويب

انقر على بطاقة الكاميرا لبدء بث مباشر للكاميرا:

1. امنح الكاميرا الإذن عند المطالبة بذلك
2. انقر على معاينة الفيديو لالتقاط إطار
3. يتم تشغيل الاستدلال تلقائيًا على الإطار الملتقط
4. انقر مرة أخرى لإعادة تشغيل كاميرا الويب

عرض النتائج

عرض نتائج الاستدلال:

• مربعات الحدود مع تسميات الفئات كطبقات SVG
• درجات الثقة لكل detect
• ألوان الفئات من لوحة ألوان مجموعة البيانات الخاصة بك (أو لوحة الألوان Ultralytics )
• تفصيل السرعة: المعالجة المسبقة، الاستدلال، المعالجة اللاحقة، ووقت الشبكة

تظهر لوحة النتائج ما يلي:

معلمات الاستدلال

اضبط سلوك الكشف باستخدام المعلمات في قسم المعلمات القابل للطي:

عتبة الثقة

فلترة التنبؤات حسب الثقة:

• أعلى (0.5+): تنبؤات أقل وأكثر تأكيدًا
• أقل (0.1-0.25): تنبؤات أكثر، مع بعض التشويش
• افتراضي (0.25): متوازن لمعظم حالات الاستخدام

عتبة IoU

التحكم في قمع القيم غير القصوى:

• أعلى (0.7+): السماح بمزيد من التداخل بين المربعات
• أقل (0.3-0.5): دمج عمليات الكشف القريبة بشكل أكثر قوة
• الافتراضي (0.70): NMS متوازن لمعظم حالات الاستخدام

تنبؤ النشر

كل جري نقطة نهاية مخصصة يشمل Predict علامة التبويب مباشرة على بطاقة النشر الخاصة بها. يستخدم هذا خدمة الاستدلال الخاصة بالنشر بدلاً من خدمة التنبؤ المشتركة، مما يتيح لك اختبار نقطة النهاية المنشورة من المتصفح.

REST API

الوصول إلى الاستدلال برمجيًا:

المصادقة

قم بتضمين مفتاح API الخاص بك في الطلبات:

Authorization: Bearer YOUR_API_KEY

نقطة النهاية

POST https://platform.ultralytics.com/api/models/{modelId}/predict

الطلب

import requests

url = "https://platform.ultralytics.com/api/models/MODEL_ID/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
files = {"file": open("image.jpg", "rb")}
data = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())

curl -X POST \
  "https://platform.ultralytics.com/api/models/MODEL_ID/predict" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@image.jpg" \
  -F "conf=0.25" \
  -F "iou=0.7" \
  -F "imgsz=640"

const formData = new FormData();
formData.append("file", fileInput.files[0]);
formData.append("conf", "0.25");
formData.append("iou", "0.7");
formData.append("imgsz", "640");

const response = await fetch(
  "https://platform.ultralytics.com/api/models/MODEL_ID/predict",
  {
    method: "POST",
    headers: { Authorization: "Bearer YOUR_API_KEY" },
    body: formData,
  }
);

const result = await response.json();
console.log(result);

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,
        "model": "model.pt",
        "version": {
            "ultralytics": "8.4.14",
            "torch": "2.6.0",
            "torchvision": "0.21.0",
            "python": "3.13.0"
        }
    }
}

حقول الاستجابة

استجابات خاصة بالمهام

تنسيق الاستجابة يختلف حسب المهمة:

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

{
  "class": 0,
  "name": "person",
  "confidence": 0.92,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400},
  "segments": [[100, 50], [150, 60], ...]
}

{
  "class": 0,
  "name": "person",
  "confidence": 0.92,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400},
  "keypoints": [
    {"x": 200, "y": 75, "conf": 0.95},
    ...
  ]
}

{
  "results": [
    {"class": 0, "name": "cat", "confidence": 0.95},
    {"class": 1, "name": "dog", "confidence": 0.03}
  ]
}

{
  "class": 0,
  "name": "ship",
  "confidence": 0.89,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400},
  "obb": {"x1": 105, "y1": 48, "x2": 295, "y2": 55, "x3": 290, "y3": 395, "x4": 110, "y4": 402}
}

حدود المعدل

الاستدلال المشترك محدود المعدل إلى 20 طلبًا/دقيقة لكل مفتاح API. عند الاختناق، تعيد واجهة برمجة التطبيقات 429 مع Retry-After الرأس. انظر النص الكامل مرجع حد السعر لجميع فئات النقاط النهائية.

معالجة الأخطاء

استجابات الأخطاء الشائعة:

الأسئلة الشائعة

هل يمكنني إجراء الاستدلال على الفيديو؟

تقبل واجهة برمجة التطبيقات (API) الإطارات الفردية. بالنسبة للفيديو:

1. استخرج الإطارات محليًا
2. أرسل كل إطار إلى واجهة برمجة التطبيقات (API)
3. اجمع النتائج

للفيديو في الوقت الفعلي، فكر في نشر نقطة نهاية مخصصة.

كيف أحصل على الصورة المشروحة؟

تعيد الـ API تنبؤات بصيغة JSON. للتصور:

1. استخدم التنبؤات لرسم المربعات محليًا
2. استخدم Ultralytics plot() الطريقة:

from ultralytics import YOLO

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

انظر وثائق وضع التنبؤ للحصول على واجهة برمجة التطبيقات الكاملة للنتائج وخيارات التصور.

ما هو أقصى حجم للصورة؟

• حد التحميل: 10 ميجابايت
• Recommended: <5MB for fast inference
• تغيير الحجم تلقائيًا: يتم تغيير حجم الصور إلى الحجم المحدد Image Size معامل

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

هل يمكنني إجراء الاستدلال الدفعي؟

تعالج الـ API الحالية صورة واحدة لكل طلب. للمعالجة الدفعية:

1. أرسل طلبات متزامنة
2. استخدم نقطة نهاية مخصصة لإنتاجية أعلى
3. فكر في 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))

📅 تم الإنشاء قبل 1 شهر ✏️ تم التحديث قبل 5 أيام

تعليقات