> 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/models/hi/supported-models/roboflow-3.md).

# Roboflow 3.0 ऑब्जेक्ट डिटेक्शन

## 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 होस्टेड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api). नीचे का उदाहरण Roboflow के सार्वजनिक [COCO मॉडल](https://universe.roboflow.com/microsoft/coco) (`coco/3`) ताकि आप इसे तुरंत आज़मा सकें। स्व-होस्टेड परिनियोजन के लिए, देखें [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

### कोड नमूना

{% stepper %}
{% step %}
**अपनी API कुंजी प्राप्त करें**

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ खोजें [Roboflow API सेटिंग्स पेज](https://app.roboflow.com/settings/api) और इसे अपने shell के लिए उपलब्ध कराएँ:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}
**निर्भरताएँ इंस्टॉल करें**

इंस्टॉल करें [Inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted) और [supervision](https://supervision.roboflow.com/):

```bash
pip install -U inference-sdk supervision
```

{% endstep %}

{% step %}
**मॉडल चलाएँ**

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

```python
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)
```

<figure><img src="/files/c35b10eddb7086600ac8db39793182a1e54eed49" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

{% hint style="info" %}
सेट करें `api_url` को अपने deployment target से मिलाने के लिए:

* `https://serverless.roboflow.com` सर्वरलेस होस्टेड API के लिए।
* `http://localhost:9001` एक स्थानीय [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) server के लिए।
* आपका [समर्पित परिनियोजन](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) एक निजी endpoint के लिए URL।
  {% endhint %}

## 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}` आईडी (देखें [Versions, Trainings, and Models](/models/hi/versions-trainings-and-models.md)). अपनी API कुंजी सेट करें और ऊपर दिखाए अनुसार निर्भरताएँ इंस्टॉल करें।

### कोड नमूना

```python
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 स्वयं का 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](https://universe.roboflow.com/erik-pe6au/rf-handpose) हाथ की कीपॉइंट मॉडल, फिर 21-बिंदु वाला हाथ कंकाल बनाता है। अपना स्वयं का बदलें `{workspace}/{model-slug}`. अपनी API कुंजी सेट करें और ऊपर दिखाए अनुसार निर्भरताएँ इंस्टॉल करें।

### कोड नमूना

```python
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)
```

<figure><img src="/files/19d377ee4d44b6f6ea9b475752d07450957bd5b5" alt=""><figcaption></figcaption></figure>

## Roboflow 3.0 वर्गीकरण

वर्गीकरण प्रतिक्रियाओं में विश्वसनीयता 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` इसे अपने प्रशिक्षित मॉडल ID से बदलें, और अपनी API कुंजी सेट करें तथा ऊपर दिखाए अनुसार निर्भरताएँ इंस्टॉल करें।

### कोड नमूना

```python
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 स्वयं का मॉडल प्रशिक्षित करें और "your-project/1" को अपने मॉडल ID से बदलें।
result = client.infer(image, model_id="your-project/1")

print(f"शीर्ष वर्ग: {result['top']} ({result['confidence']:.4f})")
```