推論

Ultralytics Platform 学習済みモデルのテスト用推論APIを提供します。ブラウザベースの Predict クイック検証用のタブまたは REST API プログラムによるアクセス用。

予測タブ

すべてのモデルには以下が含まれます Predict ブラウザベース推論用タブ:

1. モデルに移動
2. 予測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、例を使用する、またはウェブカメラを開く
4. バウンディングボックスのオーバーレイで予測を即座に確認

入力方法

予測パネルは複数の入力方式をサポートしています：

graph LR
    A[Upload Image] --> D[Auto-Inference]
    B[Example Image] --> D
    C[Webcam Capture] --> D
    D --> E[Results + Overlays]

    style D fill:#2196F3,color:#fff
    style E fill:#4CAF50,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：

• 対応形式: 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、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、モデルにリンクされたデータセットから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、デフォルトのサンプルが使用されます：

OBBモデルの場合、代わりに船舶と空港の航空画像が表示されます。

ウェブカメラ

ウェブカメラカードをクリックしてライブカメラ映像を開始します：

1. カメラの許可を求められたら許可する
2. 動画プレビューをクリックしてフレームをキャプチャする
3. 推論はキャプチャされたフレーム上で自動的に実行される
4. もう一度クリックするとウェブカメラが再起動します

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をSVGオーバーレイとして
• 信頼度スコア (各detectに対して)
• データセットのカラーパレット（またはUltralyticsのUltralytics パレット）からクラスカラーを選択
• 速度内訳：前処理、推論、後処理、ネットワーク時間

結果パネルには以下が表示されます：

推論パラメータ

折りたたみ可能な「パラメータ」セクションのパラメータで検出動作を調整します：

信頼度しきい値

信頼度で予測をフィルタリング:

• 高め (0.5以上): 予測は少なく、より確実
• 低め (0.1-0.25): 予測は多く、ノイズが混じる可能性あり
• 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る

IoUしきい値

NMSを制御:

• より高い (0.7+): 重なり合うボックスをさらに許可する
• 下位 (0.3-0.5): 近接検出をより積極的に統合する
• デフォルト (0.70): ほとんどのユースケースでバランスの取れたNMS

展開予測

各実行 専用エンドポイント 以下を含む Predict デプロイメントカード上で直接タブを操作します。これにより、共有予測サービスではなくデプロイメント固有の推論サービスが使用され、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るようになります。

REST API

推論にプログラムでアクセス:

認証

リクエストにAPIキーを含めます:

Authorization: Bearer YOUR_API_KEY

エンドポイント

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

リクエスト

import requests

url = "https://platform.ultralytics.com/api/models/MODEL_ID/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
files = {"file": open("image.jpg", "rb")}
data = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

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

curl -X POST \
  "https://platform.ultralytics.com/api/models/MODEL_ID/predict" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@image.jpg" \
  -F "conf=0.25" \
  -F "iou=0.7" \
  -F "imgsz=640"

const formData = new FormData();
formData.append("file", fileInput.files[0]);
formData.append("conf", "0.25");
formData.append("iou", "0.7");
formData.append("imgsz", "640");

const response = await fetch(
  "https://platform.ultralytics.com/api/models/MODEL_ID/predict",
  {
    method: "POST",
    headers: { Authorization: "Bearer YOUR_API_KEY" },
    body: formData,
  }
);

const result = await response.json();
console.log(result);

応答

{
    "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,
        "model": "model.pt",
        "version": {
            "ultralytics": "8.4.14",
            "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}
}

{
  "class": 0,
  "name": "person",
  "confidence": 0.92,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400},
  "segments": [[100, 50], [150, 60], ...]
}

{
  "class": 0,
  "name": "person",
  "confidence": 0.92,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400},
  "keypoints": [
    {"x": 200, "y": 75, "conf": 0.95},
    ...
  ]
}

{
  "results": [
    {"class": 0, "name": "cat", "confidence": 0.95},
    {"class": 1, "name": "dog", "confidence": 0.03}
  ]
}

{
  "class": 0,
  "name": "ship",
  "confidence": 0.89,
  "box": {"x1": 100, "y1": 50, "x2": 300, "y2": 400},
  "obb": {"x1": 105, "y1": 48, "x2": 295, "y2": 55, "x3": 290, "y3": 395, "x4": 110, "y4": 402}
}

レート制限

共有推論はレート制限される APIキーあたり毎分20リクエストスロットリングされた場合、APIは 429 とともに Retry-After ヘッダー。全文を参照 レート制限リファレンス すべてのエンドポイントカテゴリに対して。

エラー処理

一般的なエラーレスポンス:

よくある質問

ビデオで推論を実行できますか？

APIは個々のフレームを受け入れます。ビデオの場合:

1. フレームをローカルで抽出する
2. 各フレームをAPIに送信する
3. 結果を集計する

リアルタイム動画の場合、専用エンドポイントのデプロイを検討してください。

アノテーション付き画像はどのように取得しますか？

APIはJSON予測を返します。視覚化するには：

1. 予測を使用してローカルで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("yolo26n.pt")
results = model("image.jpg")
results[0].save("annotated.jpg")

予測モードのドキュメントを参照して、完全な結果APIと可視化オプションを確認してください。

最大画像サイズはどのくらいですか？

• アップロード制限: 10MB
• Recommended: <5MB for fast inference
• 自動リサイズ画像は選択されたサイズにリサイズされます Image Size パラメータ

大きな画像は、アスペクト比を維持しながら自動的にリサイズされます。

バッチ推論を実行できますか？

現在のAPIは1リクエストにつき1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. スループット向上のために専用エンドポイントを使用する
3. 大規模なバッチ処理にはローカル推論を検討してください

import concurrent.futures

import requests

url = "https://predict-abc123.run.app/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
images = ["img1.jpg", "img2.jpg", "img3.jpg"]


def predict(image_path):
    with open(image_path, "rb") as f:
        return requests.post(url, headers=headers, files={"file": f}).json()


with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:
    results = list(executor.map(predict, images))

📅 1ヶ月前に作成 ✏️ 5日前に更新

コメント