> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/ko/self-hosted/sdks/web-browser/inferencejs.md).

# 웹 inference.js

브라우저에서 inference.js를 사용해 엣지에서 실시간 예측을 실행합니다.

`inferencejs` Roboflow에서 학습한 모델을 사용해 브라우저에서 실시간 추론을 수행할 수 있게 해주는 JavaScript 패키지입니다.

{% hint style="info" %}
자세한 내용은 `inferencejs` 레퍼런스를 [여기에서 확인하세요](https://docs.roboflow.com/deployment/ko/self-hosted/sdks/web-browser/inferencejs-reference.md)
{% endhint %}

대부분의 비즈니스 애플리케이션에는 [서버리스 클라우드 API](https://docs.roboflow.com/deployment/ko/roboflow-cloud/serverless-api.md) 가 적합합니다. 하지만 많은 소비자용 애플리케이션과 일부 엔터프라이즈 사용 사례에서는 서버에서 호스팅하는 모델을 사용하기 어렵습니다(예를 들어 사용자의 대역폭이 제한되어 있거나, 원격 API로 달성할 수 있는 것보다 더 낮은 지연 시간이 필요한 경우).

### 학습 자료

* **웹캠으로 모델 사용해 보기**: 다음의 [손 감지 모델 웹캠 데모를 여기에서 사용해 볼 수 있습니다](https://demo.roboflow.com/egohands-public/9?publishable_key=rf_5w20VzQObTXjJhTjq6kad9ubrm33) (이 모델은 공개 [EgoHands 데이터 세트](https://universe.roboflow.com/brad-dwyer/egohands-public/)).
* **인터랙티브 Replit 환경**: 튜토리얼과 함께 Repl.it에 게시한 "[시작하기](https://replit.com/@roboflow/Roboflow-Web-Quickstart)" 프로젝트에서 다음 방법을 확인할 수 있습니다. [Repl.it 템플릿을 사용해 YOLOv8 모델을 배포하는 방법](https://blog.roboflow.com/deploy-yolov8-models-to-replit/).
* **GitHub 템플릿**: [Roboflow 홈페이지는](https://github.com/roboflow/homepage-demo) COCO 추론 위젯에 `inferencejs` 를 사용합니다. README에는 GitHub Pages를 사용해 저장소 템플릿에서 웹에 모델을 배포하는 방법이 안내되어 있습니다.
* **문서**: `inferencejs`의 특정 함수에 대해 자세히 알아보려면 [문서 페이지](https://docs.roboflow.com/deployment/ko/self-hosted/sdks/web-browser/inferencejs-reference.md) 를 확인하거나, 아래 가이드에서 `inferencejs` 메서드 이름을 클릭하면 해당 문서로 이동합니다.

### 지원 모델

`inferencejs` 는 현재 다음 모델 아키텍처를 지원합니다.

* [RF-DETR](https://roboflow.com/model/rf-detr)
* Roboflow 3.0 (YOLOv8 호환)
* YOLOv5
* YOLOLite
* [시선 감지](https://docs.roboflow.com/deployment/ko/self-hosted/sdks/web-browser/inferencejs-reference.md#gazedetections)

### 설치

프로젝트에 `inference` 를 추가하려면 npm으로 설치하거나 페이지의 `<head>` 태그에 스크립트 태그 참조를 추가하면 됩니다.

```bash
npm install inferencejs
```

```html
<script src="https://cdn.jsdelivr.net/npm/inferencejs"></script>
```

## 초기화 `inferencejs`

### 인증

Roboflow 워크스페이스 설정에서 `publishable_key` 를 가져올 수 있습니다.

<figure><img src="https://1826078061-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-eba9dfc2cdada466d26a35f6bbb98ef8c1c972e8%2Fimage%20(58).png?alt=media" alt="" width="563"><figcaption></figcaption></figure>

{% hint style="warning" %}
**참고:** 사용자의 `publishable_key` 는 `inferencejs`, **비공개** 사용자의 **가 아닌** API 키(비밀로 유지해야 함)와 함께 사용됩니다.
{% endhint %}

먼저 `InferenceEngine` 를 가져오고 새 추론 엔진 객체를 만듭니다.

{% hint style="info" %}
`inferencejs` 는 웹 워커를 사용하므로 여러 모델을 사용해도 기본 UI 스레드를 차단하지 않습니다. 각 모델은 `InferenceEngine` 를 통해 로드됩니다. 이는 필요한 스레드 관리를 대신 처리하는 웹 워커 관리자입니다.
{% endhint %}

```typescript
import { InferenceEngine } from "inferencejs";
const inferEngine = new InferenceEngine();
```

이제 사용자의 Roboflow `publishable_key` 와 모델 ID, 그리고 신뢰도 임계값 및 중첩 임계값과 같은 설정 매개변수를 사용해 모델을 로드할 수 있습니다.

```typescript
const workerId = await inferEngine.startWorkerByModelId("[model id]", "[publishable key]");
```

모델 ID는 모델 페이지에 표시되며 다음 형식입니다. `workspace/model-slug` (예: `my-workspace/hard-hat-abc-1-yolov8n-t1`). 레거시 프로젝트 버전 모델을 로드하려면 대신 프로젝트 슬러그와 버전 번호를 사용해 `startWorker` 를 사용합니다. 학습된 모델이 여러 개 있는 버전의 경우, 레거시 `{project}/{version}` ID는 버전에 별칭이 있으면 해당 별칭을 통해 확인됩니다. 별칭이 없으면 버전에 모델이 하나뿐인 경우에만 사용할 수 있습니다. 그렇지 않으면 ID가 모호하므로 모델 자체의 모델 ID로 로드해야 합니다. 자세한 내용은 [레거시 ID 확인 방법](https://docs.roboflow.com/models/model-ids).

`을 참조하세요.` inferencejs `InferenceEngine` 에서 선택한 모델을 실행하는 워커를 시작합니다. 반환된 워커 ID는 추론에 사용할 `infer` 메서드는 `InferenceEngine`.

이제 이미지를 로드하고 워커에서 추론해 보겠습니다.

```typescript
const image = document.getElementById("image"); // get image element with id `image`
const predictions = await inferEngine.infer(workerId, image); // infer on image
```

{% hint style="info" %}
다양한 이미지 형식(`HTMLImageElement`, `HTMLVideoElement`, `ImageBitmap`또는 `TFJS Tensor`).
{% endhint %}

)을 입력으로 사용할 수 있습니다. 그러면 예측 결과 배열이 반환됩니다(이 경우 클래스는 `RFObjectDetectionPrediction` )

### 구성

입니다). `inferencejs` 가 예측을 필터링하는 방식을 맞춤 설정하고 구성하려면 워커를 만들 때 매개변수를 전달하면 됩니다.

```typescript
const configuration = [{ scoreThreshold: 0.5, iouThreshold: 0.5, maxNumBoxes: 20 }];
const workerId = await inferEngine.startWorkerByModelId("[model id]", "[publishable key]", configuration);
```

또는 추론 시 구성 옵션을 전달할 수 있습니다.

```javascript
const configuration = [{
    scoreThreshold: 0.5,
    iouThreshold: 0.5,
    maxNumBoxes: 20
}];
const predictions = await inferEngine.infer(workerId, image, configuration);
```
