Çıkarım

Ultralytics Platform, eğitilmiş modelleri test etmen için bir çıkarım API'si sağlar. Hızlı doğrulama için tarayıcı tabanlı Predict sekmesini veya programatik erişim için REST API kullanabilirsin.

Tahmin Et Sekmesi

Her model, tarayıcı tabanlı çıkarım için bir Predict sekmesi içerir:

1. Modeline git
2. Predict sekmesine tıkla
3. Bir görsel yükle, bir örnek kullan veya web kameranı aç
4. Tahminleri sınırlayıcı kutu katmanlarıyla anında görüntüle

Girdi Yöntemleri

Tahmin paneli birden fazla girdi yöntemini destekler:

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

Görsel Yükle

Yüklemek için sürükleyip bırak veya tıkla:

• Desteklenen formatlar: JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP, DNG, MPO
• Maksimum boyut: 10MB
• Otomatik çıkarım: Yüklemeden sonra sonuçlar otomatik olarak görünür

Örnek Görseller

Tahmin paneli, modelinin bağlantılı veri kümesinden örnek görselleri gösterir. Eğer hiçbir veri kümesi bağlı değilse, varsayılan örnekler kullanılır:

OBB modelleri için bunun yerine teknelerin ve havaalanlarının havadan çekilmiş görselleri gösterilir.

Web kamerası

Canlı bir kamera akışı başlatmak için web kamerası kartına tıkla:

1. İstendiğinde kamera izni ver
2. Bir kare yakalamak için video önizlemesine tıkla
3. Çıkarım, yakalanan kare üzerinde otomatik olarak çalışır
4. Web kamerasını yeniden başlatmak için tekrar tıkla

Sonuçları Görüntüle

Çıkarım sonuçları şunları görüntüler:

• SVG katmanları olarak sınıf etiketlerine sahip Sınırlayıcı kutular
• Her tespit için Güven puanları
• Veri kümenin renk paletinden (veya Ultralytics varsayılan paletinden) Sınıf renkleri
• Hız dökümü: Ön işlem, çıkarım, son işlem ve ağ süresi

Sonuç paneli şunları gösterir:

Çıkarım Parametreleri

Daraltılabilir Parametreler bölümündeki parametrelerle tespit davranışını ayarla:

Güven Eşiği

Tahminleri güvene göre filtrele:

• Daha yüksek (0.5+): Daha az, daha kesin tahminler
• Daha düşük (0.1-0.25): Daha fazla tahmin, biraz gürültü
• Varsayılan (0.25): Çoğu kullanım durumu için dengeli

IoU Eşiği

Maksimum Olmayan Baskılamayı (NMS) kontrol et:

• Daha yüksek (0.7+): Daha fazla çakışan kutuya izin ver
• Daha düşük (0.3-0.5): Yakındaki tespitleri daha agresif bir şekilde birleştir
• Varsayılan (0.7): Çoğu kullanım durumu için dengeli NMS davranışı

Dağıtım Tahmini

Her çalışan özel uç nokta, dağıtım kartı üzerinde doğrudan bir Predict sekmesi içerir. Bu, paylaşılan tahmin hizmeti yerine dağıtımın kendi çıkarım hizmetini kullanır ve dağıtılan uç noktanı tarayıcıdan test etmeni sağlar.

REST API

Çıkarıma programatik olarak eriş:

Kimlik Doğrulama

İsteklerine API anahtarını dahil et:

Authorization: Bearer YOUR_API_KEY

Uç Nokta

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

İstek

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())

Yanıt

{
    "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"
        }
    }
}

Yanıt Alanları

Göreve Özel Yanıtlar

Yanıt formatı göreve göre değişir:

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

Faturalandırma

Paylaşımlı çıkarım (Predict sekmesi ve /api/models/{id}/predict uç noktası), tüm planlarda ek ücret ödemeden dahildir. Paylaşımlı çıkarım için istek başına ücret alınmaz.

Daha yüksek iş hacmi gerektiren üretim iş yükleri için bir dedicated endpoint konuşlandır.

Hız Sınırları

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.

Hata İşleme

Yaygın hata yanıtları:

SSS

Video üzerinde çıkarım çalıştırabilir miyim?

Her iki çıkarım yöntemi de video dosyalarını kabul eder:

• Dedicated endpoints video dosyalarını doğrudan kabul eder. Desteklenen formatlar (100 MB'a kadar): ASF, AVI, GIF, M4V, MKV, MOV, MP4, MPEG, MPG, TS, WEBM, WMV. Her kare ayrı ayrı işlenir ve sonuçlar kare bazında döndürülür. Ayrıntılar için dedicated endpoints kısmına bak.
• Shared inference (/api/models/{id}/predict), aynı predict hizmetini kullanır ve aynı video formatlarını kabul eder. Ancak, arayüzdeki tarayıcı Predict tab sekmesi yalnızca resim yükler; video iş akışları için doğrudan REST API'yi veya bir dedicated endpoint kullan. Paylaşımlı uç nokta ayrıca rate-limited to 20 req/min şeklindedir, bu yüzden yoğun video iş yükleri için dedicated endpoints daha iyi bir seçimdir.

Açıklamalı (annotated) resmi nasıl alırım?

API, JSON tahminleri döndürür. Görselleştirmek için:

1. Tahminleri yerel olarak kutular çizmek için kullan
2. Ultralytics plot() yöntemini kullan:

from ultralytics import YOLO

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

Tüm sonuçlar API'si ve görselleştirme seçenekleri için Predict mode documentation sayfasına bak.

Maksimum resim boyutu nedir?

• Yükleme sınırı: 10MB
• Önerilen: Hızlı çıkarım için <5MB
• Otomatik boyutlandırma: Resimler, seçilen Image Size parametresine göre yeniden boyutlandırılır

Büyük resimler, en-boy oranı korunarak otomatik olarak yeniden boyutlandırılır.

Toplu (batch) çıkarım çalıştırabilir miyim?

Mevcut API, istek başına bir resim işler. Toplu işlem için:

1. Eşzamanlı istekler gönder
2. Daha yüksek iş hacmi için dedicated endpoint kullan
3. Büyük gruplar için yerel çıkarımı değerlendir

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))