الاستنتاج#

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

علامة تبويب التنبؤ#

يحتوي كل نموذج ذو أوزان على علامة تبويب Predict للاستدلال القائم على 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

تعرض النماذج التي لا تحتوي على أوزان حالة فارغة بدلاً من ذلك - قم بتدريب النموذج أو تحميل الأوزان أولاً.

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
• الحد الأقصى للحجم: 10 ميغابايت
• الاستنتاج التلقائي: تظهر النتائج تلقائياً بعد التحميل

صور الأمثلة#

تعرض لوحة التنبؤ ما يصل إلى صورتين نموذجيتين من مجموعة البيانات المرتبطة بنموذجك، مع تفضيل تقسيم val، ثم test، ثم train. إذا لم تقم بربط أي مجموعة بيانات، يتم استخدام الأمثلة الافتراضية:

بالنسبة لنماذج OBB، يتم عرض صور جوية للقوارب ومطار 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.

تظهر لوحة النتائج:

يوجد عنصرا تحكم أعلى المعاينة بمجرد ظهور النتائج: انقر فوق الصورة لتكبيرها مع الاحتفاظ بالتراكبات سليمة، واستخدم زر التنزيل لحفظ صورة JPEG معلنة للنتيجة الحالية.

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#

تتضمن كل نقطة نهاية مخصصة قيد التشغيل علامة تبويب Predict مباشرة على بطاقة نشرها. يستخدم هذا خدمة الاستدلال الخاصة بالنشر نفسه بدلاً من خدمة التنبؤ المشتركة، مما يتيح لك اختبار نقطة النهاية المنشورة من المتصفح.

API النطاق المخصص#

تحتوي بطاقة API Docs في علامة تبويب نموذج Predict على أمثلة لطلباب Python و JavaScript و cURL، محملة مسبقاً بمستوى الثقة و IoU وحجم الصورة المحدد حالياً على أدوات التمرير. يعتبر عنوان URL والمفتاح عنصرين مؤقتين حتى تقوم بنشر النموذج - ويؤدي زر Deploy بجوار علامات تبويب التعليمات البرمجية إلى الانتقال إلى علامة تبويب Deploy الخاصة بالنموذج. بعد النشر، يتم ملء علامة تبويب Code الخاصة ببطاقة النشر بعنوان URL لتلك نقطة النهاية، وبالنسبة لمالكي مساحة العمل، مفتاح API المرتبط بها، لتكون جاهزة للنسخ والتشغيل.

المصادقة#

قم بتضمين مفتاح API الخاص بك في الطلبات:

Authorization: Bearer YOUR_API_KEY

نقطة النهاية#

تقبل نقاط النهاية المخصصة الطلبات على عنوان URL الخاص بها:

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

يستخدم الاستدلال المشترك Platform API مع المسار الكامل للنموذج:

POST https://platform.ultralytics.com/api/models/{owner}/{project}/{model}/predict

يقبل كلاهما نفس جسم الطلب multipart/form-data ويعيدان نفس شكل الاستجابة. باستخدام Python SDK، استخدم client.models.predict(owner, project, model, body=...) للاستدلال المشترك أو client.deployments.predict(owner, deployment, body=...) لنشر مخصص:

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
with open("image.jpg", "rb") as f:
    results = client.models.predict("acme-vision", "inspection", "v3", body={"file": f, "conf": 0.25})

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,
        "functionTimeAlive": 1284.51,
        "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#

واجهة برمجة تطبيقات النموذج المشترك مقيدة بـ 20 طلباً/دقيقة لكل مفتاح API، أو مستخدم مسجل الدخول، أو عنوان IP مجهول. عند التقنين، تعيد واجهة برمجة التطبيقات 429 مع ترويسة Retry-After. راجع مرجع معدل الطلبات الكامل لجميع فئات نقاط النهاية.

معالجة الأخطاء#

استجابات الخطأ الشائعة:

الأسئلة الشائعة#