Link to this sectionÇıkarım#

Ultralytics Platform, eğitilmiş modelleri test etmek için bir çıkarım API'si sunar. Hızlı doğrulama için tarayıcı tabanlı Predict sekmesini veya programatik erişim için REST API kullan.

Link to this sectionTahmin 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 kaplamalarıyla anında görüntüle

Link to this sectionGiriş Yöntemleri#

Tahmin paneli birden fazla giriş 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

Link to this sectionGörsel 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

Link to this sectionÖrnek 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.

Link to this sectionWeb 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

Link to this sectionSonuçları Görüntüle#

Çıkarım sonuçları şunları görüntüler:

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

Sonuç paneli şunları gösterir:

Link to this sectionÇıkarım Parametreleri#

Daraltılabilir Parametreler bölümündeki parametrelerle tespit davranışını ayarla:

Link to this sectionGüven 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

Link to this sectionIoU Eşiği#

Maksimum Olmayan Bastırmayı (NMS) kontrol et:

• Daha yüksek (0.7+): Daha fazla örtüşen 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

Link to this sectionDağıtım Tahmini#

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

Link to this sectionREST API#

Çıkarıma programatik olarak eriş:

Link to this sectionKimlik Doğrulama#

İsteklerine API anahtarını ekle:

Authorization: Bearer YOUR_API_KEY

Link to this sectionUç Nokta#

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

Link to this sectionİstek#

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())

Link to this sectionİstek Parametreleri#

Link to this sectionYanıt#

{
    "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"
        }
    }
}

Link to this sectionYanıt Alanları#

Link to this sectionGöreve Özel Yanıtlar#

Yanıt biçimi göreve göre değişir:

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

Link to this sectionFaturalandırma#

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 dedicated endpoint dağıt.

Link to this sectionHız 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.

Link to this sectionHata Yönetimi#

Yaygın hata yanıtları:

Link to this sectionSSS#

Link to this sectionVideo üzerinde çıkarım yapabilir miyim?#

Her iki çıkarım yöntemi de video dosyalarını kabul eder:

• Dedicated endpoints, video dosyalarını doğrudan kabul eder. Desteklenen biçimler (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 dedicated endpoints bölümüne bak.
• Shared inference (/api/models/{id}/predict), aynı predict hizmetini kullanır ve aynı video biçimlerini kabul eder. Ancak, kullanıcı arayüzündeki tarayıcı Predict tab yalnızca görüntü yükler; video iş akışları için doğrudan REST API veya bir dedicated endpoint kullan. Paylaşımlı uç nokta ayrıca rate-limited to 20 req/min durumundadır, bu yüzden yoğun video iş yükleri için dedicated endpoints daha iyi bir seçimdir.

Link to this sectionEk açıklamalı görüntüyü nasıl alırım?#

API, JSON tahminleri döndürür. Görselleştirmek için:

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

from ultralytics import YOLO

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

Tam sonuç API'si ve görselleştirme seçenekleri için Predict mode documentation bölümüne bak.

Link to this sectionMaksimum görüntü boyutu nedir?#

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

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

Link to this sectionToplu çıkarım yapabilir miyim?#

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

1. Eşzamanlı istekler gönder
2. Daha yüksek iş hacmi için dedicated endpoint kullan
3. Büyük toplu işlemler 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))