Inferência

Ultralytics fornece uma API de inferência para testar modelos treinados. Use a guia Teste baseada no navegador para validação rápida ou a REST API acesso programático.

Guia Teste

Cada modelo inclui uma guia Teste para inferência baseada no navegador:

1. Navegue até ao seu modelo
2. Clique no separador Teste
3. Carregue uma imagem ou utilize exemplos
4. Veja as previsões instantaneamente

Carregar imagem

Arraste e solte ou clique para carregar:

• Formatos suportados: JPG, PNG, WebP, GIF
• Tamanho máximo: 10 MB
• Autoinferência: os resultados aparecem automaticamente

Imagens de exemplo

Use imagens de exemplo integradas para testes rápidos:

Ver resultados

Exibição dos resultados da inferência:

• Caixas delimitadoras com rótulos de classe
• Pontuações de confiança para cada deteção
• Cores de classe correspondentes ao seu conjunto de dados

Parâmetros de inferência

Ajuste o comportamento de deteção com parâmetros:

Limiar de confiança

Filtrar previsões por confiança:

• Mais alto (0,5+): Menos previsões, mas mais certezas
• Mais baixo (0,1-0,25): Mais previsões, algum ruído
• Padrão (0,25): Equilibrado para a maioria dos casos de uso

IoU

Controlo da supressão não máxima:

• Mais alto (0,7+): Permitir caixas sobrepostas
• Inferior (0,3-0,45): Mesclar detecções próximas
• Padrão (0,45): NMS padrão NMS

REST API

Acesse a inferência programaticamente:

Autenticação

Inclua a sua chave API nas solicitações:

Authorization: Bearer YOUR_API_KEY

Ponto final

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

Pedido

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())

Resposta

{
    "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
    }
}

Campos de resposta

Respostas específicas para cada tarefa

O formato da resposta varia de acordo com a tarefa:

{
  "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}
  ]
}

Limites de taxa

A inferência partilhada tem limites de taxa:

Para limites mais elevados, implemente um terminal dedicado.

Tratamento de erros

Respostas de erro comuns:

FAQ

Posso executar inferência em vídeo?

A API aceita fotogramas individuais. Para vídeo:

1. Extrair fotogramas localmente
2. Envie cada quadro para a API
3. Resultados agregados

Para vídeo em tempo real, considere implementar um terminal dedicado.

Como posso obter a imagem anotada?

A API retorna previsões JSON. Para visualizar:

1. Use previsões para desenhar caixas localmente
2. Use o Ultralytics plot() método:

from ultralytics import YOLO

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

Qual é o tamanho máximo da imagem?

• Limite de upload: 10 MB
• Recommended: <5MB for fast inference
• Redimensionamento automático: As imagens são redimensionadas para imgsz parâmetro

As imagens grandes são redimensionadas automaticamente, mantendo a proporção.

Posso executar inferência em lote?

A API atual processa uma imagem por solicitação. Para lote:

1. Enviar pedidos simultâneos
2. Use um terminal dedicado para obter maior rendimento
3. Considere a inferência local para grandes lotes

📅 Criado há 0 dias ✏️ Atualizado há 0 dias

Comentários