Roboflow 3.0

Roboflow 3.0 मॉडल परिवार का उपयोग self-hosted मॉडल के रूप में या हमारी Serverless Cloud API के माध्यम से करें।

Roboflow 3.0 ऑब्जेक्ट डिटेक्शन

Roboflow 3.0, Roboflow की इन-हाउस मॉडल आर्किटेक्चर है। आप Roboflow प्लेटफ़ॉर्म पर Roboflow 3.0 मॉडल प्रशिक्षित करते हैं और उन्हें के माध्यम से तैनात करते हैं सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैं. नीचे दिया गया उदाहरण Roboflow के सार्वजनिक COCO मॉडल (coco/3) ताकि आप इसे तुरंत आज़मा सकें। स्व-होस्टेड परिनियोजन के लिए, देखें Roboflow Inference.

कोड नमूना

1

अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ ढूँढें Roboflow API सेटिंग्स पेज और इसे अपने शेल में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="आपकी-कुंजी-यहाँ"

2

निर्भरताएँ इंस्टॉल करें

इंस्टॉल करें Inference SDK और supervision:

pip install -U inference-sdk supervision

3

मॉडल चलाएँ

एक नमूना छवि पर डिटेक्शन चलाएँ और बॉक्स व लेबल एनोटेट करें:

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")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="coco/3")

detections = sv.Detections.from_inference(result)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("output.png", annotated)

सेट करें api_url को अपने डिप्लॉयमेंट लक्ष्य से मिलाएँ:

• https://serverless.roboflow.com सर्वरलेस Cloud API के लिए।

• http://localhost:9001 एक स्थानीय Inference सर्वर।

• आपका समर्पित डिप्लॉयमेंट निजी एंडपॉइंट के लिए URL।

Roboflow 3.0 इंस्टेंस सेगमेंटेशन

एक Roboflow 3.0 इंस्टेंस सेगमेंटेशन मॉडल प्रशिक्षित करें, फिर बदलें your-project/1 अपने स्वयं के {workspace}/{model-slug} ID में बदलें (देखें संस्करण, प्रशिक्षण और मॉडल)। अपनी API कुंजी सेट करें और ऊपर दिखाए अनुसार निर्भरताएँ इंस्टॉल करें।

कोड नमूना

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")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
# कोई पूर्व-प्रशिक्षित उपनाम नहीं: अपना मॉडल प्रशिक्षित करें और "your-project/1" को अपने मॉडल ID से बदलें।
result = client.infer(image, model_id="your-project/1")

detections = sv.Detections.from_inference(result)

annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("output.png", annotated)

Roboflow 3.0 कीपॉइंट डिटेक्शन

यह उदाहरण सार्वजनिक rf-handpose हैंड कीपॉइंट मॉडल, फिर 21-बिंदु वाले हाथ के कंकाल को बनाता है। अपना स्वयं का {workspace}/{model-slug}. अपनी API कुंजी सेट करें और ऊपर दिखाए अनुसार निर्भरताएँ इंस्टॉल करें।

कोड नमूना

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

image = sv.load_image_from_url("https://media.roboflow.com/docs/hand.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="rf-handpose/1")

key_points = sv.KeyPoints.from_inference(result)

# हाथ का कंकाल: कलाई (0), अंगूठा (1-4), तर्जनी (5-8), मध्यमा (9-12), अनामिका (13-16), कनिष्ठा (17-20)
hand_edges = [
    (0, 1), (1, 2), (2, 3), (3, 4),
    (0, 5), (5, 6), (6, 7), (7, 8),
    (5, 9), (9, 10), (10, 11), (11, 12),
    (9, 13), (13, 14), (14, 15), (15, 16),
    (13, 17), (17, 18), (18, 19), (19, 20), (0, 17),
]
annotated = image.copy()
vertices = key_points.xy[0].astype(int)
for start, end in hand_edges:
    cv2.line(annotated, tuple(vertices[start]), tuple(vertices[end]), (255, 0, 0), 2)
annotated = sv.VertexAnnotator(color=sv.Color.GREEN, radius=5).annotate(annotated, key_points)
cv2.imwrite("output.png", annotated)

Roboflow 3.0 वर्गीकरण

वर्गीकरण प्रतिक्रियाओं में आत्मविश्वास के साथ वर्ग पूर्वानुमानों की एक सूची होती है, इसलिए विज़ुअलाइज़ेशन लागू नहीं होता। शीर्ष वर्ग को सीधे प्रतिक्रिया से पढ़ें। बदलें your-project/1 को अपने प्रशिक्षित मॉडल ID से, और अपनी API कुंजी सेट करें तथा ऊपर दिखाए अनुसार निर्भरताएँ इंस्टॉल करें।

कोड नमूना

import os
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/traffic.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
# कोई पूर्व-प्रशिक्षित उपनाम नहीं: अपना मॉडल प्रशिक्षित करें और "your-project/1" को अपने मॉडल ID से बदलें।
result = client.infer(image, model_id="your-project/1")

print(f"Top class: {result['top']} ({result['confidence']:.4f})")