推論

Ultralytics 、トレーニング済みモデルのテスト用に推論APIを提供します。ブラウザベースの「テスト」タブで迅速な検証を行うか、REST API アクセスREST API 。

テストタブ

すべてのモデルには、ブラウザベースの推論用の「テスト」タブが含まれています：

1. モデルに移動してください
2. テストタブをクリックしてください
3. 画像をアップロードするか、例を使用してください
4. 予測を即座に確認する

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:

• 対応形式: JPG、PNG、WebP、GIF
• 最大サイズ：10MB
• 自動推論：結果が自動的に表示されます

例示画像

組み込みのサンプル画像を使用して素早くテストしてください：

結果を表示

推論結果の表示:

• クラスラベル付きバウンディングボックス
• 各検出に対する信頼度スコア
• データセットに一致するクラスカラー

推論パラメータ

パラメータで検出動作を調整する：

信頼閾値

予測を信頼度でフィルタリングする:

• より高い（0.5+）：予測の数は少なくなるが、確実性が増す
• 下位 (0.1-0.25): 予測数が多い、ノイズが混在
• 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

制御非最大抑制：

• より高い (0.7+): 重なり合うボックスを許可する
• 下位 (0.3-0.45): 近接検出を統合
• デフォルト (0.45): 標準的なNMS

REST API

プログラムで推論にアクセスする:

認証

リクエストにAPIキーを含めてください：

Authorization: Bearer YOUR_API_KEY

終点

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

リクエスト

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())

応答

{
    "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
    }
}

応答フィールド

タスク特異的応答

応答形式はタスクによって異なります：

{
  "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}
  ]
}

レート制限

共有推論にはレート制限があります：

上限値を高く設定するには、専用のエンドポイントをデプロイしてください。

エラー処理

よくあるエラー応答:

よくある質問

動画に対して推論を実行できますか？

APIは個々のフレームを受け付けます。動画の場合：

1. フレームをローカルに抽出する
2. 各フレームをAPIに送信する
3. 集計結果

リアルタイム動画については、専用エンドポイントの展開を検討してください。

注釈付きの画像はどうやって入手しますか？

APIはJSON形式の予測結果を返します。可視化するには：

1. 予測を用いて局所的にボックスを描画する
2. Ultralyticsを使用する plot() メソッド:

from ultralytics import YOLO

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

画像の最大サイズはどれくらいですか？

• アップロード制限：10MB
• Recommended: <5MB for fast inference
• 自動リサイズ画像はリサイズされます imgsz パラメータ

大きな画像はアスペクト比を維持したまま自動的にサイズ変更されます。

バッチ推論を実行できますか？

現在のAPIはリクエストごとに1枚の画像を処理します。バッチ処理の場合：

1. 同時リクエストを送信する
2. より高いスループットのために専用エンドポイントを使用する
3. 大規模バッチ処理におけるローカル推論の検討

📅 0日前に作成 ✏️ 0日前に更新

コメント