推論#

Ultralytics Platformは、トレーニング済みモデルをテストするためのブラウザベースの推論機能と、プログラムからアクセスするための専用エンドポイントを提供します。

推論タブ#

重みを持つすべてのモデルには、ブラウザベースの推論用の Predict タブが含まれています：

1. モデルのページへ移動します
2. Predictタブをクリックします
3. 画像をアップロードするか、例を使用するか、Webカメラを開きます
4. タスク固有のオーバーレイ、予測サマリー、処理時間、および生レスポンスを確認します。

重みを持たないモデルには代わりに空の状態が表示されます。最初にモデルをトレーニングするか、重みをアップロードしてください。

入力方法#

予測パネルは複数の入力方法をサポートしています。

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

画像をアップロード#

ドラッグ＆ドロップ、またはクリックしてアップロードします：

• 対応フォーマット: JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP
• 最大サイズ: 10 MB
• 自動推論: アップロード後に結果が自動的に表示されます

サンプル画像#

予測パネルには、モデルのリンクされたデータセットからの最大2つのサンプル画像が表示され、val 分割、次に test、その次に train が優先されます。データセットがリンクされていない場合は、デフォルトのサンプルが使用されます：

OBBモデルの場合は、ボートや空港の航空写真が代わりに表示されます。

Webcam#

Webカメラカードをクリックしてライブカメラフィードを開始します：

1. プロンプトが表示されたらカメラへのアクセスを許可します
2. ビデオプレビューをクリックしてフレームをキャプチャします
3. キャプチャしたフレームに対して自動的に推論が実行されます
4. もう一度クリックするとWebカメラが再起動します

結果を表示#

推論結果には、モデルのタスクに応じた出力（バックス、マスク、キーポイント、指向性バックス、分類スコア、セマンティックカバレッジ、または深度マップ）が表示されます。オブジェクトの結果には、可能な場合、データセットのクラスカラーが使用されます。また、パネルには前処理、推論、後処理、およびネットワークの処理時間も表示されます。

結果パネルには以下が表示されます。

結果が表示されると、プレビューの上に2つのコントロールが表示されます。画像をクリックするとオーバーレイを維持したまま拡大でき、ダウンロードボタンを使用すると現在結果のアノテーション付きJPEGを保存できます。

推論パラメータ#

画像の下の3つのスライダーで推論の挙動を調整します：

信頼度しきい値#

信頼度に基づいて予測をフィルタリングします：

• 高 (0.5以上): 予測数は減少しますが、より確実性が高い結果になります
• 低 (0.1-0.25): より多くの予測が得られますが、ノイズが含まれる可能性があります
• デフォルト (0.25): ほとんどのユースケースでバランスが取れています

IoUしきい値#

NMS (Non-Maximum Suppression) を制御します：

• 高 (0.7以上): 重なり合うボックスをより多く許可します
• Lower (0.3-0.5): 重なり合う検出をより積極的に抑制します
• デフォルト (0.7): ほとんどのユースケースでバランスの取れたNMS動作を提供します

デプロイメント予測#

実行中の各dedicated endpointには、デプロイメントカードに直接Predictタブが含まれます。これは共有予測サービスではなく、デプロイメント独自の推論サービスを使用するため、ブラウザからデプロイされたエンドポイントをテストできます。

専用エンドポイント API#

モデルの Predict タブにある API Docs カードには、スライダーで現在設定されている信頼度、IoU、画像サイズがあらかじめ入力された、Python、JavaScript、cURLのリクエスト例が含まれています。URLとキーは、モデルをデプロイするまではプレースホルダーです。コードタブの横にある Deploy ボタンをクリックすると、モデルの Deploy タブに移動します。デプロイ後、デプロイカードの Code タブには、そのエンドポイントのURLと、ワークスペース所有者の場合はバインドされたAPIキーが入力され、コピーして実行する準備が整います。

認証#

リクエストにAPIキーを含めてください：

Authorization: Bearer YOUR_API_KEY

エンドポイント#

専用エンドポイントは独自のURLでリクエストを受け付けます：

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

共有推論では、モデルのフルパスを指定してプラットフォームAPIを使用します：

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

どちらも同じ multipart/form-data ボディを受け入れ、同じレスポンスの形状を返します。Python SDK を使用する場合は、共有推論には client.models.predict(owner, project, model, body=...) を使用し、専用デプロイには client.deployments.predict(owner, deployment, body=...) を使用します:

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})

リクエスト#

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())

リクエストパラメータ#

レスポンス#

{
    "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"
        }
    }
}

レスポンスフィールド#

タスク固有のレスポンス#

レスポンス形式はタスクによって異なります：

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

レート制限#

共有モデルAPIは、各APIキー、サインインした呼び出し元、または匿名IPに対して20リクエスト/分に制限されています。スロットルされると、APIは429をRetry-Afterヘッダーとともに返します。すべてのエンドポイントカテゴリについては、完全なrate-limit referenceを参照してください。

エラーハンドリング#

一般的なエラーレスポンス：

よくある質問 (FAQ)#