Universe에서 모델 찾기

컴퓨터 비전 프로젝트에서 사용할 사전 학습된 모델을 Universe에서 찾을 수 있습니다.

Universe의 50,000개 이상의 데이터셋에는 데이터셋과 연결된 학습된 모델도 있습니다. 이러한 모델은 컴퓨터 비전 프로젝트에서 다음과 함께 사용할 수 있습니다 워크플로.

Universe에서 데이터셋을 찾으려면, 식별하고 싶은 내용을 검색창에 입력하세요. 검색 페이지에서 "모델 보유" 상자를 선택하세요:

이렇게 하면 검색 결과가 학습된 모델을 포함한 데이터셋으로만 좁혀집니다.

결과를 클릭하여 프로젝트에 대해 더 자세히 알아보세요.

데이터셋 홈 페이지에 지표가 표시됩니다. 이러한 지표는 모델 유형에 따라 달라집니다. 예를 들어 객체 탐지의 경우 mAP, 정밀도, 재현율이 표시되고, 분류의 경우 정확도가 표시됩니다.

"이 모델 사용해 보기" 섹션에 이미지를 업로드하여 가장 최근 모델 버전을 시험해 볼 수 있습니다.

사이드바에서 "모델"을 클릭하여 학습된 모든 모델을 보고 시도해 볼 하나를 선택할 수도 있습니다:

모델 페이지를 열면 프로젝트 테스트 세트의 예시 이미지 결과가 이미지 위에 표시된 것을 볼 수 있습니다:

이미지에서 "작업 중인 지게차" 클래스가 식별됩니다.

Universe 모델 배포

각 Universe 모델 페이지에는 여러 배포 옵션이 있는 모달을 여는 "모델 배포" 버튼이 있습니다:

• 코드 스니펫: 다음을 통해 모델을 호출하기 위한 Python, JavaScript 또는 cURL의 바로 사용 가능한 코드 서버리스 클라우드 API. 각 스니펫에는 AI 코딩 에이전트에 붙여넣을 수 있는 구조화된 프롬프트를 복사하는 "프롬프트 복사" 버튼이 포함되어 있습니다.

• MCP: 다음에 연결하기 위한 설정 안내 Roboflow MCP 서버 를 Claude Code, Cursor 또는 Codex에 연결하는 방법입니다. 연결되면 에이전트가 Roboflow 모델에서 직접 추론을 실행할 수 있습니다.

• 사용자 정의 워크플로: 미리 구축된 워크플로 탐지, 카운팅, 시각화 같은 일반적인 작업을 위한 템플릿.

모달 상단의 Roboflow Agent 입력란에 프롬프트를 직접 입력하여 모델을 활용한 구축에 대해 안내되는 대화를 시작할 수도 있습니다.

워크플로에서 Universe 모델 사용

Universe 모델은 워크플로에서 사용할 수 있습니다.

모델을 사용하려면 Roboflow Workflows를 열고, 워크플로를 생성한 다음, 모델 블록을 추가하세요:

블록 편집기에서 "모델"을 클릭하여 모델 선택기를 여세요:

Universe 모델 페이지 상단에서 모델 ID를 복사한 다음, 모델 선택기의 검색창에 입력하거나 붙여넣으세요. 모델 ID는 다음 형식을 가집니다 workspace/project 또는 workspace/project/version.

Roboflow는 해당 ID를 워크스페이스 및 Universe와 대조한 뒤 모델의 이름, 클래스, 작업 유형, 샘플 이미지를 채워 넣습니다. 일치하는 결과를 선택해 사용하세요. ID가 실제 모델로 해석되지 않으면 "찾을 수 없음" 메시지가 표시되고 모델을 선택할 수 없습니다.

동일한 모델 선택기는 배포 흐름에서도 사용되므로, 모델을 선택하는 어디에서든 사용자 정의 모델 ID를 입력할 수 있습니다.

코드에서 Universe 모델 실행

Universe 모델 ID는 자신의 모델 ID 가 작동하는 어디에서나 사용할 수 있습니다. 모델 페이지 상단에서 ID를 복사한 다음, 다음 값으로 전달하세요 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)

설정 api_url 을 https://serverless.roboflow.com 다음의 경우 서버리스 클라우드 API, http://localhost:9001 로컬 추론 서버 또는 귀하의 전용 배포 URL.

Universe에서 모델을 선택하지 않고 모델을 실행하려면 다음을 참조하세요 사전 학습된 모델 별칭.