API suy luận Ultralytics HUB
Sau khi bạn huấn luyện một mô hình, bạn có thể sử dụng API Suy luận Chia sẻ miễn phí. Nếu bạn là người dùng Pro, bạn có thể truy cập API Suy luận Chuyên dụng. Ultralytics HUB Inference API cho phép bạn chạy suy luận thông qua REST API của chúng tôi mà không cần cài đặt và thiết lập môi trường Ultralytics YOLO cục bộ.
Xem: Hướng dẫn API suy luận Ultralytics HUB
API suy luận chuyên dụng
Để đáp ứng nhu cầu cao và sự quan tâm rộng rãi, chúng tôi rất vui mừng ra mắt Ultralytics HUB Dedicated Inference API, cung cấp khả năng triển khai chỉ bằng một cú nhấp chuột trong một môi trường chuyên dụng cho người dùng Pro của chúng tôi!
Lưu ý
Chúng tôi rất vui mừng được cung cấp tính năng này MIỄN PHÍ trong giai đoạn beta công khai như một phần của Gói Pro, với các cấp trả phí có thể có trong tương lai.
- Phạm vi toàn cầu: Được triển khai trên 38 khu vực trên toàn thế giới, đảm bảo truy cập với độ trễ thấp từ mọi vị trí. Xem danh sách đầy đủ các khu vực của Google Cloud.
- Được hỗ trợ bởi Google Cloud Run: Được hỗ trợ bởi Google Cloud Run, cung cấp cơ sở hạ tầng có khả năng mở rộng vô hạn và độ tin cậy cao.
- Tốc độ cao: Độ trễ dưới 100ms có thể đạt được để suy luận YOLOv8n ở độ phân giải 640 từ các khu vực lân cận dựa trên thử nghiệm của Ultralytics.
- Nâng cao tính bảo mật: Cung cấp các tính năng bảo mật mạnh mẽ để bảo vệ dữ liệu của bạn và đảm bảo tuân thủ các tiêu chuẩn ngành. Tìm hiểu thêm về bảo mật trên Google Cloud.
Để sử dụng Ultralytics HUB API Suy luận Chuyên dụng, hãy nhấp vào nút Bắt đầu Điểm cuối. Tiếp theo, hãy sử dụng URL điểm cuối duy nhất như được mô tả trong các hướng dẫn bên dưới.
Mẹo
Chọn khu vực có độ trễ thấp nhất để có hiệu suất tốt nhất như được mô tả trong tài liệu.
Để tắt endpoint chuyên dụng, hãy nhấp vào nút Dừng Endpoint.
API suy luận dùng chung
Để sử dụng Ultralytics HUB API Suy luận Chia sẻ, hãy làm theo các hướng dẫn bên dưới.
Ultralytics HUB Shared Inference API có các giới hạn sử dụng sau:
- 100 cuộc gọi / giờ
Python
Để truy cập Ultralytics HUB Inference API bằng Python, hãy sử dụng đoạn mã sau:
import requests
# API URL
url = "https://predict.ultralytics.com"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (use actual MODEL_ID)
data = {"model": "https://hub.ultralytics.com/models/MODEL_ID", "imgsz": 640, "conf": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"file": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
Lưu ý
Thay thế MODEL_ID với ID mô hình mong muốn, API_KEY với khóa API thực tế của bạn và path/to/image.jpg với đường dẫn đến hình ảnh bạn muốn chạy suy luận.
Nếu bạn đang sử dụng API suy luận chuyên dụng, hãy thay thế url nữa.
cURL
Để truy cập Ultralytics HUB Inference API bằng cURL, hãy sử dụng đoạn mã sau:
curl -X POST "https://predict.ultralytics.com" \
-H "x-api-key: API_KEY" \
-F "model=https://hub.ultralytics.com/models/MODEL_ID" \
-F "file=@/path/to/image.jpg" \
-F "imgsz=640" \
-F "conf=0.25" \
-F "iou=0.45"
Lưu ý
Thay thế MODEL_ID với ID mô hình mong muốn, API_KEY với khóa API thực tế của bạn và path/to/image.jpg với đường dẫn đến hình ảnh bạn muốn chạy suy luận.
Nếu bạn đang sử dụng API suy luận chuyên dụng, hãy thay thế url nữa.
Các đối số
Xem bảng dưới đây để có danh sách đầy đủ các đối số suy luận có sẵn.
| Đối số | Mặc định | Loại | Mô tả |
|---|---|---|---|
file |
file |
Tệp hình ảnh hoặc video được sử dụng để suy luận. | |
imgsz |
640 |
int |
Kích thước của ảnh đầu vào, phạm vi hợp lệ là 32 - 1280 pixel. |
conf |
0.25 |
float |
Ngưỡng tin cậy cho các dự đoán, phạm vi hợp lệ 0.01 - 1.0. |
iou |
0.45 |
float |
Intersection over Union Ngưỡng (IoU), phạm vi hợp lệ 0.0 - 0.95. |
Phản hồi
Ultralytics HUB Inference API trả về một phản hồi JSON.
Phân loại (Classification)
Mô hình phân loại
from ultralytics import YOLO
# Load model
model = YOLO("yolov8n-cls.pt")
# Run inference
results = model("image.jpg")
# Print image.jpg results in JSON format
print(results[0].to_json())
curl -X POST "https://predict.ultralytics.com" \
-H "x-api-key: API_KEY" \
-F "model=https://hub.ultralytics.com/models/MODEL_ID" \
-F "file=@/path/to/image.jpg" \
-F "imgsz=640" \
-F "conf=0.25" \
-F "iou=0.45"
import requests
# API URL
url = "https://predict.ultralytics.com"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (use actual MODEL_ID)
data = {"model": "https://hub.ultralytics.com/models/MODEL_ID", "imgsz": 640, "conf": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"file": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
{
"images": [
{
"results": [
{
"class": 0,
"name": "person",
"confidence": 0.92
}
],
"shape": [
750,
600
],
"speed": {
"inference": 200.8,
"postprocess": 0.8,
"preprocess": 2.8
}
}
],
"metadata": ...
}
Phát hiện vật thể
Mô hình phát hiện
from ultralytics import YOLO
# Load model
model = YOLO("yolov8n.pt")
# Run inference
results = model("image.jpg")
# Print image.jpg results in JSON format
print(results[0].to_json())
curl -X POST "https://predict.ultralytics.com" \
-H "x-api-key: API_KEY" \
-F "model=https://hub.ultralytics.com/models/MODEL_ID" \
-F "file=@/path/to/image.jpg" \
-F "imgsz=640" \
-F "conf=0.25" \
-F "iou=0.45"
import requests
# API URL
url = "https://predict.ultralytics.com"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (use actual MODEL_ID)
data = {"model": "https://hub.ultralytics.com/models/MODEL_ID", "imgsz": 640, "conf": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"file": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
{
"images": [
{
"results": [
{
"class": 0,
"name": "person",
"confidence": 0.92,
"box": {
"x1": 118,
"x2": 416,
"y1": 112,
"y2": 660
}
}
],
"shape": [
750,
600
],
"speed": {
"inference": 200.8,
"postprocess": 0.8,
"preprocess": 2.8
}
}
],
"metadata": ...
}
OBB
Mô hình OBB
from ultralytics import YOLO
# Load model
model = YOLO("yolov8n-obb.pt")
# Run inference
results = model("image.jpg")
# Print image.jpg results in JSON format
print(results[0].tojson())
curl -X POST "https://predict.ultralytics.com" \
-H "x-api-key: API_KEY" \
-F "model=https://hub.ultralytics.com/models/MODEL_ID" \
-F "file=@/path/to/image.jpg" \
-F "imgsz=640" \
-F "conf=0.25" \
-F "iou=0.45"
import requests
# API URL
url = "https://predict.ultralytics.com"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (use actual MODEL_ID)
data = {"model": "https://hub.ultralytics.com/models/MODEL_ID", "imgsz": 640, "conf": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"file": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
{
"images": [
{
"results": [
{
"class": 0,
"name": "person",
"confidence": 0.92,
"box": {
"x1": 374.85565,
"x2": 392.31824,
"x3": 412.81805,
"x4": 395.35547,
"y1": 264.40704,
"y2": 267.45728,
"y3": 150.0966,
"y4": 147.04634
}
}
],
"shape": [
750,
600
],
"speed": {
"inference": 200.8,
"postprocess": 0.8,
"preprocess": 2.8
}
}
],
"metadata": ...
}
Phân đoạn
Mô hình phân đoạn
from ultralytics import YOLO
# Load model
model = YOLO("yolov8n-seg.pt")
# Run inference
results = model("image.jpg")
# Print image.jpg results in JSON format
print(results[0].tojson())
curl -X POST "https://predict.ultralytics.com" \
-H "x-api-key: API_KEY" \
-F "model=https://hub.ultralytics.com/models/MODEL_ID" \
-F "file=@/path/to/image.jpg" \
-F "imgsz=640" \
-F "conf=0.25" \
-F "iou=0.45"
import requests
# API URL
url = "https://predict.ultralytics.com"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (use actual MODEL_ID)
data = {"model": "https://hub.ultralytics.com/models/MODEL_ID", "imgsz": 640, "conf": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"file": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
{
"images": [
{
"results": [
{
"class": 0,
"name": "person",
"confidence": 0.92,
"box": {
"x1": 118,
"x2": 416,
"y1": 112,
"y2": 660
},
"segments": {
"x": [
266.015625,
266.015625,
258.984375,
...
],
"y": [
110.15625,
113.67188262939453,
120.70311737060547,
...
]
}
}
],
"shape": [
750,
600
],
"speed": {
"inference": 200.8,
"postprocess": 0.8,
"preprocess": 2.8
}
}
],
"metadata": ...
}
Pose (Dáng điệu/Tư thế)
Mô Hình Tư Thế
from ultralytics import YOLO
# Load model
model = YOLO("yolov8n-pose.pt")
# Run inference
results = model("image.jpg")
# Print image.jpg results in JSON format
print(results[0].tojson())
curl -X POST "https://predict.ultralytics.com" \
-H "x-api-key: API_KEY" \
-F "model=https://hub.ultralytics.com/models/MODEL_ID" \
-F "file=@/path/to/image.jpg" \
-F "imgsz=640" \
-F "conf=0.25" \
-F "iou=0.45"
import requests
# API URL
url = "https://predict.ultralytics.com"
# Headers, use actual API_KEY
headers = {"x-api-key": "API_KEY"}
# Inference arguments (use actual MODEL_ID)
data = {"model": "https://hub.ultralytics.com/models/MODEL_ID", "imgsz": 640, "conf": 0.25, "iou": 0.45}
# Load image and send request
with open("path/to/image.jpg", "rb") as image_file:
files = {"file": image_file}
response = requests.post(url, headers=headers, files=files, data=data)
print(response.json())
{
"images": [
{
"results": [
{
"class": 0,
"name": "person",
"confidence": 0.92,
"box": {
"x1": 118,
"x2": 416,
"y1": 112,
"y2": 660
},
"keypoints": {
"visible": [
0.9909399747848511,
0.8162999749183655,
0.9872099757194519,
...
],
"x": [
316.3871765136719,
315.9374694824219,
304.878173828125,
...
],
"y": [
156.4207763671875,
148.05775451660156,
144.93240356445312,
...
]
}
}
],
"shape": [
750,
600
],
"speed": {
"inference": 200.8,
"postprocess": 0.8,
"preprocess": 2.8
}
}
],
"metadata": ...
}
