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#

すべてのモデルには、ブラウザベースの推論を行うための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。

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, DNG, MPO
• 最大サイズ: 10MB
• 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、モデルに関連付けられたデータセットのサンプル画像が表示されます。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、代わりにボートや空港の航空写真が表示されます。

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。

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、Python、JavaScript、cURLのリクエスト例が含まれています。これらの例は、モデルをデプロイするまでプレースホルダーを使用します。デプロイ後、デプロイメントカードのCodeタブに、エンドポイントのURLとワークスペースで使用可能なAPIキーが入力されます。

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#

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

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,
        "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)#