Ultralytics HUB Inference API
Mit der Ultralytics HUB Inference API kannst du Inferenzen über unsere REST API durchführen, ohne die Ultralytics YOLO Umgebung lokal installieren und einrichten zu müssen.
Pass auf: Ultralytics HUB Inference API Komplettlösung
Python
Um mit Python auf die Ultralytics HUB Inference API zuzugreifen, verwende den folgenden Code:
import requests
# API URL, use actual MODEL_ID
url = "https://api.ultralytics.com/v1/predict/MODEL_ID"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (optional)
data = {"size": 640, "confidence": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"image": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
Hinweis
Ersetze MODEL_ID
mit der gewünschten Modell-ID, API_KEY
mit deinem aktuellen API-Schlüssel, und path/to/image.jpg
mit dem Pfad zu dem Bild, für das du die Inferenz durchführen möchtest.
cURL
Um mit cURL auf die Ultralytics HUB Inference API zuzugreifen, verwende den folgenden Code:
curl -X POST "https://api.ultralytics.com/v1/predict/MODEL_ID" \
-H "x-api-key: API_KEY" \
-F "image=@/path/to/image.jpg" \
-F "size=640" \
-F "confidence=0.25" \
-F "iou=0.45"
Hinweis
Ersetze MODEL_ID
mit der gewünschten Modell-ID, API_KEY
mit deinem aktuellen API-Schlüssel, und path/to/image.jpg
mit dem Pfad zu dem Bild, für das du die Inferenz durchführen möchtest.
Argumente
In der folgenden Tabelle findest du eine vollständige Liste der verfügbaren Schlussfolgerungsargumente.
Argument | Standard | Typ | Beschreibung |
---|---|---|---|
image |
image |
Bilddatei, die für die Inferenz verwendet werden soll. | |
url |
str |
URL des Bildes, wenn keine Datei übergeben wird. | |
size |
640 |
int |
Größe des Eingabebildes, gültiger Bereich ist 32 - 1280 bildpunkte. |
confidence |
0.25 |
float |
Konfidenzschwelle für Vorhersagen, gültiger Bereich 0.01 - 1.0 . |
iou |
0.45 |
float |
Schwellenwert für Schnittmenge über Union (IoU), gültiger Bereich 0.0 - 0.95 . |
Antwort
Die Ultralytics HUB Inference API gibt eine JSON-Antwort zurück.
Klassifizierung
Klassifizierungsmodell
import requests
# API URL, use actual MODEL_ID
url = "https://api.ultralytics.com/v1/predict/MODEL_ID"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (optional)
data = {"size": 640, "confidence": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"image": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
Erkennung
Erkennungsmodell
import requests
# API URL, use actual MODEL_ID
url = "https://api.ultralytics.com/v1/predict/MODEL_ID"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (optional)
data = {"size": 640, "confidence": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"image": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
OBB
OBB-Modell
import requests
# API URL, use actual MODEL_ID
url = "https://api.ultralytics.com/v1/predict/MODEL_ID"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (optional)
data = {"size": 640, "confidence": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"image": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
Segmentierung
Segmentierungsmodell
import requests
# API URL, use actual MODEL_ID
url = "https://api.ultralytics.com/v1/predict/MODEL_ID"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (optional)
data = {"size": 640, "confidence": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"image": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
Pose
Pose Modell
import requests
# API URL, use actual MODEL_ID
url = "https://api.ultralytics.com/v1/predict/MODEL_ID"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (optional)
data = {"size": 640, "confidence": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"image": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
Erstellt 2024-01-23, Aktualisiert 2024-06-22
Autoren: glenn-jocher (9), sergiuwaxmann (2), RizwanMunawar (1), priytosh-tripathi (1)