Çıkarım#

Ultralytics Platform, eğitilmiş modelleri test etmek için tarayıcı tabanlı çıkarım ve programlı erişim için adanmış uç noktalar sağlar.

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. Göreve özel yer paylaşımını, tahmin özetini, süreyi ve ham yanıtı incele

Giriş Yöntemleri#

Tahmin paneli birden fazla giriş yöntemini destekler:

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

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: Sonuçlar yüklemeden sonra 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 kamera yayınını 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, model görevine uygun çıktıyı görüntüler: kutular, maskeler, anahtar noktalar, yönlendirilmiş kutular, sınıflandırma puanları, anlamsal kapsam veya derinlik haritası. Nesne sonuçları, mevcut olduğunda veri kümesi sınıf renklerini kullanır. Panel ayrıca ön işleme, çıkarım, son işleme ve ağ sürelerini gösterir.

Sonuçlar paneli şunu gösterir:

Çıkarım Parametreleri#

Görüntünün altındaki üç kaydırıcı ile çıkarım 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 Bastırmayı (NMS) kontrol et:

• Daha yüksek (0.7+): Daha fazla örtüşen kutuya izin ver
• Alt (0.3-0.5): Çakışan tespitleri daha agresif bir şekilde bastır
• Varsayılan (0.7): Çoğu kullanım durumu için dengeli NMS davranışı

Dağıtım Tahmini#

Çalışan her adanmış uç nokta, doğrudan dağıtım kartı üzerinde bir Predict sekmesi içerir. Bu, paylaşılan tahmin hizmeti yerine dağıtımın kendi çıkarım hizmetini kullanır ve dağıtılmış uç noktanızı tarayıcıdan test etmenize olanak tanır.

Özel Uç Nokta API'si#

Model Predict sekmesindeki API Docs kartı örnek Python, JavaScript ve cURL istekleri içerir. Örnekler, modeli dağıtana kadar yer tutucular kullanır. Dağıtımdan sonra, dağıtım kartının Code sekmesi uç nokta URL'sini ve çalışma alanınız için kullanılabilen API anahtarını doldurur.

Kimlik Doğrulama#

İsteklerine API anahtarını ekle:

Authorization: Bearer YOUR_API_KEY

Uç Nokta#

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

İstek#

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())

İstek Parametreleri#

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,
        "task": "detect",
        "version": {
            "ultralytics": "8.x.x",
            "torch": "2.6.0",
            "torchvision": "0.21.0",
            "python": "3.13.0"
        }
    }
}

Yanıt Alanları#

Göreve Özel Yanıtlar#

Yanıt biçimi göreve göre değişir:

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

Hız Sınırları#

Paylaşılan model API'si, her bir API anahtarı, oturum açmış arayan veya anonim IP için dakikada 20 istek ile sınırlıdır. İstekler sınırlandırıldığında, API bir Retry-After başlığıyla birlikte 429 döndürür. Tüm uç nokta kategorileri için rate-limit reference bölümüne bakın.

Hata Yönetimi#

Yaygın hata yanıtları:

SSS#

Video üzerinde çıkarım yapabilir miyim?#

Her iki çıkarım yöntemi de video dosyalarını kabul eder:

• Adanmış uç noktalar 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 başına döndürülür. Ayrıntılar için adanmış uç noktalara bakın.
• Paylaşılan çıkarım (/api/models/{id}/predict), aynı tahmin hizmetini kullanır ve aynı video formatlarını kabul eder. Tarayıcı Predict sekmesi yalnızca resimleri seçer, bu nedenle video için API'yi veya bir adanmış uç noktayı kullanın.

Ek açıklamalı görüntüyü nasıl alırım?#

API, JSON tahminleri döndürür. Görselleştirmek için:

1. Kutuları yerel olarak çizmek için tahminleri kullan
2. Ultralytics plot() yöntemini kullanın:

from ultralytics import YOLO

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

Tam sonuçlar API'si ve görselleştirme seçenekleri için Tahmin modu belgelerine bakın.

Maksimum görüntü boyutu nedir?#

• Predict sekmesi sınırı: 10 MB
• Özel uç nokta API sınırı: 100 MB
• Predict sekmesinde otomatik yeniden boyutlandırma: Görüntüler, yüklemeden önce seçilen Image Size değerine yeniden boyutlandırılır

Büyük görüntüler, en boy oranı korunarak otomatik olarak yeniden boyutlandırılır.

Toplu çıkarım yapabilir miyim?#

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

1. Her görüntü için ayrı istekler gönder
2. Uygun olduğunda istekleri özel uç noktalar arasında dağıt
3. Büyük yığınlar için yerel çıkarım kullan

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))