모델 API 엔드포인트 사용

하드웨어를 따로 준비할 필요 없이 5분 만에 Roboflow의 클라우드 GPU에서 모델을 실행하세요.

그 Serverless Cloud API Roboflow의 클라우드에서 GPU로 모델과 워크플로를 실행합니다. 이미지를 보내면 결과를 돌려받습니다. 설정할 하드웨어도, 계속 실행해 둘 서버도 없습니다.

이 가이드는 아무것도 없는 상태에서 시작해 5분 안에 모델을 실행하는 방법까지 안내합니다. 이미 이름만 붙여 이미지 속 객체를 찾고, 준비된 모델로 일상적인 객체를 탐지하고, 동일한 Serverless Cloud API 엔드포인트에서 직접 만든 모델도 실행할 수 있습니다.

이름만 붙여 객체 찾기

모델에 다음과 같은 몇 개의 단어를 입력하세요 "taxi", "blue bus", 또는 "bush" 그러면 이미지에서 일치하는 모든 객체의 윤곽을 그려줍니다. 먼저 설정하거나 학습할 것은 없습니다. 이 기능은 SAM3.

HTTP (Python)

1

API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: Roboflow API 설정 페이지 그리고 셸에서 사용할 수 있도록 설정하세요:

export ROBOFLOW_API_KEY="your-key-here"

2

의존성을 설치하세요

supervision 를 함께 가져옵니다 cv2 및 numpy:

pip install -U supervision

3

모델 실행

다음으로 POST 요청을 보내세요: /sam3/concept_segment 모델을 실행합니다. sv.Detections.from_sam3 그 결과를 다음과 같은 형식으로 바꿔 supervision 그릴 수 있게 합니다:

import os
import base64
import cv2
import requests
import supervision as sv

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")
image_b64 = base64.b64encode(content).decode("utf-8")
h, w = image.shape[:2]

response = requests.post(
    "https://serverless.roboflow.com/sam3/concept_segment",
    params={"api_key": os.environ["ROBOFLOW_API_KEY"]},
    json={
        "image": {"type": "base64", "value": image_b64},
        "prompts": [
            {"type": "text", "text": "taxi"},
            {"type": "text", "text": "blue bus"},
            {"type": "text", "text": "bush"},
        ],
    },
)

detections = sv.Detections.from_sam3(response.json(), (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
cv2.imwrite("sam3.jpg", annotated)

SDK (Python)

1

API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: Roboflow API 설정 페이지 그리고 셸에서 사용할 수 있도록 설정하세요:

export ROBOFLOW_API_KEY="your-key-here"

2

의존성을 설치하세요

이 두 패키지는 모델을 호출하고 결과를 그려줍니다:

pip install -U inference-sdk supervision

3

모델 실행

그 Inference SDK 이미지를 클라우드로 보내 결과를 반환합니다. sv.Detections.from_sam3 그 결과를 다음과 같은 형식으로 바꿔 supervision 그릴 수 있게 합니다:

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

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")
h, w = image.shape[:2]

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

data = client.sam3_concept_segment(
    image,
    prompts=[
        {"type": "text", "text": "taxi"},
        {"type": "text", "text": "blue bus"},
        {"type": "text", "text": "bush"},
    ],
)

detections = sv.Detections.from_sam3(data, (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.BoxAnnotator().annotate(annotated, detections)
cv2.imwrite("sam3.jpg", annotated)

응답에는 각 프롬프트에 대해 발견된 윤곽이 나열되며, 각 항목마다 신뢰도 점수가 포함됩니다. sv.Detections.from_sam3 그 모든 내용을 대신 읽어줍니다.

텍스트 프롬프트에서 윤곽이 표시된 객체

비주얼 프롬프트, 예시 박스, RLE 출력이 포함된 전체 SAM3 API는 다음을 참조하세요: SAM3 문서.

준비된 모델로 일상적인 객체 탐지

HTTP (Python)

이름으로 지정한 객체의 윤곽을 그리는 대신 일반적인 객체 주위에 박스를 그리려면 다음을 호출하세요: POST /{project}/{version} 다음 대신 모델 ID를 사용합니다: POST /sam3/concept_segment. 이 예제는 준비된 RF-DETR 모델을 사용합니다. 이 모델은 차량, 사람, 반려동물 같은 일반적인 객체를 탐지할 수 있습니다:

result = requests.post(
    "https://serverless.roboflow.com/coco/40",  # coco/40 is the rfdetr-medium alias
    params={"api_key": os.environ["ROBOFLOW_API_KEY"]},
    data=image_b64,  # raw base64 in the body, not JSON
    headers={"Content-Type": "application/x-www-form-urlencoded"},
).json()
detections = sv.Detections.from_inference(result)

print(f"객체 {len(detections)}개를 찾았습니다")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)

SDK (Python)

이름으로 지정한 객체의 윤곽을 그리는 대신 일반적인 객체 주위에 박스를 그리려면 다음을 호출하세요: client.infer() 다음 대신 모델 ID를 사용합니다: client.sam3_concept_segment(). 이 예제는 준비된 RF-DETR 모델을 사용합니다. 이 모델은 차량, 사람, 반려동물 같은 일반적인 객체를 탐지할 수 있습니다:

result = client.infer(image, model_id="rfdetr-medium")
detections = sv.Detections.from_inference(result)

print(f"객체 {len(detections)}개를 찾았습니다")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)

RF-DETR은 자동차, 버스, 사람, 오토바이를 탐지합니다

직접 만든 모델이나 다른 모델을 실행하기

같은 client.infer() 또는 POST /{project}/{version} 호출은 어떤 모델이든 다음 기준으로 실행합니다: model_id:

• Roboflow에서 학습한 모델입니다. 모델 ID를 복사하세요(형식: {project}/{version})을 프로젝트의 다음에서 복사하세요: Roboflow 앱

• 다음의 공개 모델: Roboflow Universe

• 준비된 사전 학습된 모델 다음과 같은 별칭으로: rfdetr-nano, rfdetr-seg-medium, 또는 yolo26l-640 (Inference SDK 전용)

다음 단계

클라우드에서 모델을 실행하고 있습니다. 여기서 다음을 할 수 있습니다:

• 같은 모델을 자신의 하드웨어에서 실행하기. 다음을 참조하세요: 로컬에서 모델 실행하기

• 대규모 모델과 안정적인 트래픽을 위한 전용 단일 테넌트 엔드포인트를 다음으로 받기: Dedicated Deployments

• 모델과 로직을 다음과 결합해 애플리케이션으로 만들기: Workflows

• 각 요청 비용을 다음에서 확인하세요: Serverless 가격 페이지