Inferenza

Ultralytics fornisce un'API di inferenza per testare i modelli addestrati. Utilizza la scheda Test basata su browser per una rapida convalida o REST API l'accesso programmatico.

Scheda Test

Ogni modello include una scheda Test per l'inferenza basata su browser:

1. Passa al tuo modello
2. Fai clic sulla scheda Test
3. Carica un'immagine o utilizza degli esempi
4. Visualizza le previsioni all'istante

Carica immagine

Trascina e rilascia o clicca per caricare:

• Formati supportati: JPG, PNG, WebP, GIF
• Dimensione massima: 10 MB
• Auto-inferenza: i risultati vengono visualizzati automaticamente

Esempi di immagini

Utilizza le immagini di esempio integrate per eseguire test rapidi:

Visualizza risultati

Visualizzazione dei risultati dell'inferenza:

• Riquadri con etichette di classe
• Punteggi di affidabilità per ciascun rilevamento
• Colori delle classi corrispondenti al set di dati

Parametri di inferenza

Regola il comportamento di rilevamento con i parametri:

Soglia di confidenza

Filtra le previsioni in base all'affidabilità:

• Superiore (0,5+): previsioni meno numerose ma più certe
• Inferiore (0,1-0,25): più previsioni, qualche rumore
• Predefinito (0,25): bilanciato per la maggior parte dei casi d'uso

IoU

Controllo della soppressione non massima:

• Superiore (0,7+): Consenti la sovrapposizione delle caselle
• Inferiore (0,3-0,45): unisci rilevamenti vicini
• Predefinito (0,45): NMS standard NMS

REST API

Accedere all'inferenza a livello di programmazione:

Autenticazione

Includi la tua chiave API nelle richieste:

Authorization: Bearer YOUR_API_KEY

Punto finale

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

Richiesta

curl -X POST \
  "https://platform.ultralytics.com/api/models/username/project/model/predict" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@image.jpg" \
  -F "conf=0.25" \
  -F "iou=0.45"

import requests

url = "https://platform.ultralytics.com/api/models/username/project/model/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
files = {"file": open("image.jpg", "rb")}
data = {"conf": 0.25, "iou": 0.45}

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

Risposta

{
    "success": true,
    "predictions": [
        {
            "class": "person",
            "confidence": 0.92,
            "box": {
                "x1": 100,
                "y1": 50,
                "x2": 300,
                "y2": 400
            }
        },
        {
            "class": "car",
            "confidence": 0.87,
            "box": {
                "x1": 400,
                "y1": 200,
                "x2": 600,
                "y2": 350
            }
        }
    ],
    "image": {
        "width": 1920,
        "height": 1080
    }
}

Campi di risposta

Risposte specifiche per attività

Il formato della risposta varia a seconda dell'attività:

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

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

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

{
  "predictions": [
    {"class": "cat", "confidence": 0.95},
    {"class": "dog", "confidence": 0.03}
  ]
}

Limiti di velocità

L'inferenza condivisa ha limiti di velocità:

Per limiti più elevati, implementare un endpoint dedicato.

Gestione degli errori

Risposte di errore comuni:

FAQ

Posso eseguire inferenze sui video?

L'API accetta singoli fotogrammi. Per i video:

1. Estrai fotogrammi localmente
2. Invia ogni frame all'API
3. Risultati complessivi

Per i video in tempo reale, valuta la possibilità di implementare un endpoint dedicato.

Come posso ottenere l'immagine annotata?

L'API restituisce previsioni JSON. Per visualizzare:

1. Utilizza le previsioni per disegnare riquadri localmente
2. Utilizza Ultralytics plot() metodo:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model("image.jpg")
results[0].save("annotated.jpg")

Qual è la dimensione massima dell'immagine?

• Limite di caricamento: 10 MB
• Recommended: <5MB for fast inference
• Ridimensionamento automatico: Le immagini vengono ridimensionate a imgsz parametro

Le immagini di grandi dimensioni vengono automaticamente ridimensionate mantenendo le proporzioni.

Posso eseguire l'inferenza batch?

L'API attuale elabora un'immagine per ogni richiesta. Per i batch:

1. Invia richieste simultanee
2. Utilizza un endpoint dedicato per un throughput più elevato
3. Considerare l'inferenza locale per lotti di grandi dimensioni

📅 Creato 0 giorni fa ✏️ Aggiornato 0 giorni fa

Commenti