推理

Q: Can I run inference on video?

该API接受单帧数据。对于视频：若需实时视频处理，建议部署专用端点。

Q: What's the maximum image size?

大尺寸图片会自动调整大小，同时保持宽高比不变。

Q: Can I run batch inference?

当前API每次请求处理一张图像。批量处理时：

Ultralytics 提供用于测试训练模型的推理API。您可通过基于浏览器的"测试"选项卡进行快速验证，或REST API 程序化访问。

测试选项卡

每个模型都包含一个用于基于浏览器的推理的测试选项卡：

导航至您的模型
点击测试选项卡
上传图片或使用示例
即时查看预测

上传图片

拖放或点击上传：

支持的格式：JPG、PNG、WebP、GIF
最大尺寸：10MB
自动推理：结果自动显示

示例图片

使用内置示例图像进行快速测试：

图像	内容
`bus.jpg`	街道上车辆穿梭的场景
`zidane.jpg`	运动场景中的人们

查看结果

推理结果显示：

带类标签的边界框
每次检测的置信度评分
与您的数据集相匹配的班级颜色

推断参数

通过参数调整检测行为：

参数	范围	默认值	描述
自信	0.0-1.0	0.25	最低置信阈值
IoU	0.0-1.0	0.45	NMS IoU
图像大小	32-1280	640	输入尺寸调整参数

置信阈值

按置信度过滤预测结果：

更高（0.5+）：更少、更确定的预测
较低（0.1-0.25）：更多预测，存在部分噪声
默认值 (0.25)：适用于大多数使用场景的平衡设置

IoU

控制非最大抑制：

更高（0.7+）：允许重叠框
较低（0.3-0.45）：合并邻近检测结果
默认值 (0.45)：标准NMS

REST API

通过编程方式访问推理：

身份验证

在请求中包含您的 API 密钥：

Authorization: Bearer YOUR_API_KEY

终端点

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

请求

cURLPython

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())

响应

{
    "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
    }
}

响应字段

领域	类型	描述
`success`	布尔值	请求状态
`predictions`	数组	检测列表
`predictions[].class`	字符串	类名
`predictions[].confidence`	浮点数	检测置信度（0-1）
`predictions[].box`	对象	边界框坐标
`image`	对象	原始图像尺寸

任务特异性反应

响应格式因任务而异：

检测分割姿势估计分类

{
  "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}
  ]
}

速率限制

共享推理存在速率限制：

计划	请求/分钟	请求/天
免费	10	100
Pro	60	10,000

若需更高限制，请部署专用端点。

错误处理

常见错误响应：

代码	消息	解决方案
400	无效图像	检查文件格式
401	未经授权	验证API密钥
404	模型未找到	检查模型别名
429	速率限制	等待或升级计划
500	服务器错误	重试请求

常见问题

我能对视频进行推理吗？

该API接受单帧数据。对于视频：

在本地提取帧
将每个帧发送至API
汇总结果

对于实时视频，请考虑部署专用终端节点。

如何获取标注后的图像？

该API返回JSON预测结果。可通过以下方式可视化：

使用预测结果在本地绘制框
使用Ultralytics plot() 方法：

from ultralytics import YOLO

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

最大图像尺寸是多少？

上传限制：10MB
Recommended: <5MB for fast inference
自动调整大小: 图片被调整为 imgsz 参数