Universeでモデルを見つける

コンピュータビジョンプロジェクトで使用できる事前学習済みモデルをUniverseで見つけられます。

Universe 上の 50,000 件以上のデータセットには、データセットに関連付けられた学習済みモデルもあります。これらのモデルは、コンピュータビジョンのプロジェクトで次のように使用できます ワークフロー.

Universe でデータセットを見つけるには、検索バーに識別したいものを入力します。検索ページで、"Has a Model" のチェックボックスをオンにします:

これにより、検索結果は学習済みモデルを含むデータセットのみに絞り込まれます。

結果をクリックすると、そのプロジェクトの詳細を確認できます。

データセットのホームページには指標が表示されます。これらの指標はモデルの種類によって異なります。たとえば、物体検出では mAP、precision、recall が表示され、分類では accuracy が表示されます。

"Try This Model" セクションに画像をアップロードして、最新バージョンのモデルを試すことができます。

サイドバーの "Models" をクリックして、すべての学習済みモデルを表示し、試したいものを選ぶこともできます:

Models ページを開くと、プロジェクトのテストセットにあるサンプル画像の結果が画像上にプロットされて表示されます:

画像内でクラス "occupied forklift" が識別されています。

Universe モデルをデプロイする

各 Universe モデルのページには "Deploy Model" ボタンがあり、複数のデプロイ方法を含むモーダルを開きます:

• コードスニペット: モデルを次の方法で呼び出すための、Python、JavaScript、または cURL のすぐに使えるコード Serverless Cloud API。各スニペットには "Copy prompt" ボタンがあり、AI コーディングエージェントに貼り付けられる構造化プロンプトをコピーできます。

• MCP: 接続手順 Roboflow MCP Server を Claude Code、Cursor、または Codex に接続するための設定手順です。接続すると、エージェントは Roboflow モデルで直接推論を実行できます。

• カスタムワークフロー: あらかじめ用意された ワークフロー 検出、カウント、可視化などの一般的なタスク向けテンプレート。

モーダル上部の Roboflow Agent 入力欄に直接プロンプトを入力して、モデルを使った構築についてのガイド付き会話を開始することもできます。

ワークフローで Universe モデルを使う

Universe モデルは Workflows で使用できます。

モデルを使用するには、Roboflow Workflows を開き、 ワークフローを作成し、それからモデルブロックを追加します:

ブロックエディタで "Model" をクリックして、モデルセレクターを開きます:

Universe モデルページ上部からモデル ID をコピーし、それをモデルセレクターの検索ボックスに入力または貼り付けます。モデル ID は次の形式です workspace/project または workspace/project/version.

Roboflow はその ID をあなたの workspace と Universe の両方に照合し、モデル名、クラス、タスク種別、サンプル画像を自動入力します。一致する結果を選択して使用してください。ID が実在するモデルに解決されない場合は "not found" メッセージが表示され、モデルを選択できません。

同じモデルセレクターはデプロイのフローでも使われるため、モデルを選ぶあらゆる場面でカスタムモデル ID を入力できます。

コードで Universe モデルを実行する

Universe モデル ID は、あなた自身の モデル ID が使えるあらゆる場所で使用できます。モデルページ上部から ID をコピーし、次のように渡してください model_id:

pip install inference-sdk supervision opencv-python

import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = cv2.imread("forklift.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

results = client.infer(image, model_id="forkliftproject/2")

detections = sv.Detections.from_inference(results)
annotated = sv.BoxAnnotator().annotate(scene=image, detections=detections)
annotated = sv.LabelAnnotator().annotate(scene=annotated, detections=detections)
sv.plot_image(annotated)

設定してください api_url を https://serverless.roboflow.com に Serverless Cloud API, http://localhost:9001 ローカル Inference サーバー、またはあなたの Dedicated Deployment URL に。

Universe から選ばずにモデルを実行するには、 Pretrained Model Aliases.