추론

Ultralytics Platform은 학습된 모델을 테스트하기 위한 추론 API를 제공합니다. 브라우저 기반의 Predict 탭을 사용하여 빠르게 검증하거나 REST API를 사용하여 프로그래밍 방식으로 접근하십시오.

예측 탭

모든 모델에는 브라우저 기반 추론을 위한 Predict 탭이 포함되어 있습니다:

1. 모델로 이동하십시오.
2. Predict 탭을 클릭하십시오.
3. 이미지를 업로드하거나, 예제를 사용하거나, 웹캠을 여십시오.
4. 바운딩 박스 오버레이와 함께 예측 결과를 즉시 확인하십시오.

입력 방식

예측 패널은 다양한 입력 방식을 지원합니다:

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

이미지 업로드

드래그 앤 드롭하거나 클릭하여 업로드하십시오:

• 지원되는 형식: JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP, DNG, MPO
• 최대 크기: 10MB
• 자동 추론: 업로드 후 결과가 자동으로 나타납니다.

예제 이미지

예측 패널은 모델의 연결된 데이터셋에서 가져온 예제 이미지를 보여줍니다. 데이터셋이 연결되어 있지 않으면 기본 예제가 사용됩니다:

OBB 모델의 경우, 대신 보트와 공항의 항공 이미지가 표시됩니다.

웹캠

실시간 카메라 피드를 시작하려면 웹캠 카드를 클릭하십시오:

1. 메시지가 표시되면 카메라 권한을 승인하십시오.
2. 비디오 미리보기를 클릭하여 프레임을 캡처하십시오.
3. 캡처된 프레임에서 추론이 자동으로 실행됩니다.
4. 웹캠을 다시 시작하려면 클릭하십시오.

결과 보기

추론 결과는 다음과 같이 표시됩니다:

• SVG 오버레이로 클래스 레이블이 표시된 바운딩 박스
• 각 탐지에 대한 신뢰도 점수
• 데이터셋의 색상 팔레트(또는 Ultralytics 기본 팔레트)에서 가져온 클래스 색상
• 속도 분석: 전처리, 추론, 후처리 및 네트워크 시간

결과 패널은 다음을 보여줍니다:

추론 매개변수

접을 수 있는 Parameters 섹션의 매개변수로 탐지 동작을 조정하십시오:

신뢰도 임계값

신뢰도에 따라 예측을 필터링하십시오:

• 높음 (0.5+): 더 적고 확실한 예측
• 낮음 (0.1-0.25): 더 많은 예측, 일부 노이즈 포함
• 기본값 (0.25): 대부분의 사용 사례에 균형 잡힌 설정

IoU 임계값

Non-Maximum Suppression 제어:

• 높음 (0.7+): 더 많이 겹치는 박스 허용
• 낮음 (0.3-0.5): 인접한 탐지 결과를 더 공격적으로 병합
• 기본값 (0.7): 대부분의 사용 사례에 균형 잡힌 NMS 동작

배포 예측

실행 중인 각 전용 엔드포인트에는 배포 카드에 Predict 탭이 직접 포함되어 있습니다. 이는 공유 예측 서비스가 아닌 배포 자체의 추론 서비스를 사용하므로 브라우저에서 배포된 엔드포인트를 직접 테스트할 수 있습니다.

REST API

프로그래밍 방식으로 추론에 접근하십시오:

인증

요청에 API 키를 포함하십시오:

Authorization: Bearer YOUR_API_KEY

엔드포인트

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

요청

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())

응답

{
    "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.x.x",
            "torch": "2.6.0",
            "torchvision": "0.21.0",
            "python": "3.13.0"
        }
    }
}

응답 필드

작업별 응답

응답 형식은 작업에 따라 다릅니다:

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

결제

공유 추론(Predict 탭 및 /api/models/{id}/predict 엔드포인트)은 모든 플랜에서 추가 비용 없이 포함되어 있습니다. 공유 추론에 대한 요청당 비용은 없습니다.

더 높은 처리량이 필요한 프로덕션 워크로드는 전용 엔드포인트를 배포하십시오.

속도 제한

Shared inference is rate-limited to 20 requests/min per API key. When throttled, the API returns 429 with a Retry-After header. See the full rate limit reference for all endpoint categories.

오류 처리

일반적인 오류 응답:

FAQ

비디오에 대해서도 추론을 실행할 수 있나요?

두 추론 방식 모두 비디오 파일을 허용합니다:

• 전용 엔드포인트는 비디오 파일을 직접 허용합니다. 지원되는 형식(최대 100MB): ASF, AVI, GIF, M4V, MKV, MOV, MP4, MPEG, MPG, TS, WEBM, WMV. 각 프레임이 개별적으로 처리되고 프레임별로 결과가 반환됩니다. 자세한 내용은 전용 엔드포인트를 참조하십시오.
• 공유 추론(/api/models/{id}/predict)은 동일한 예측 서비스를 사용하며 동일한 비디오 형식을 허용합니다. 그러나 UI의 브라우저 Predict 탭은 이미지만 업로드하므로, 비디오 워크플로우를 위해서는 REST API를 직접 사용하거나 전용 엔드포인트를 사용하십시오. 공유 엔드포인트 또한 20회 요청/분으로 속도가 제한되므로, 대규모 비디오 워크로드에는 전용 엔드포인트가 더 나은 선택입니다.

주석이 달린 이미지는 어떻게 가져오나요?

API는 JSON 예측을 반환합니다. 시각화하려면 다음을 수행하십시오:

1. 예측 결과를 사용하여 로컬에서 상자 그리기
2. Ultralytics plot() 메서드 사용:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model("image.jpg")
results[0].save("annotated.jpg")

전체 결과 API 및 시각화 옵션은 Predict 모드 문서를 참조하십시오.

최대 이미지 크기는 얼마인가요?

• 업로드 제한: 10MB
• 권장: 빠른 추론을 위해 5MB 미만
• 자동 크기 조정: 이미지는 선택된 Image Size 매개변수에 맞춰 크기가 조정됩니다.

큰 이미지는 가로세로 비율을 유지하면서 자동으로 크기가 조정됩니다.

배치 추론을 실행할 수 있나요?

현재 API는 요청당 하나의 이미지를 처리합니다. 배치의 경우:

1. 동시 요청 전송
2. 더 높은 처리량을 위해 전용 엔드포인트 사용
3. 대규모 배치의 경우 로컬 추론 고려

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))