YOLO26

हमारे सर्वरलेस क्लाउड API के माध्यम से YOLO26 मॉडल परिवार का उपयोग करें

YOLO26 ऑब्जेक्ट डिटेक्शन

YOLO26 ऑब्जेक्ट डिटेक्शन के माध्यम से चलता है सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैं, COCO पर प्रीट्रेंड। स्व-होस्टेड परिनियोजन के लिए, देखें Roboflow Inference.

कोड नमूना

यह नमूना एक टेस्ट इमेज डाउनलोड करता है, निम्न के माध्यम से इन्फरेंस चलाता है inference-sdk, प्रतिक्रिया को इसके साथ डिकोड करता है supervision, और एक एनोटेटेड PNG को डिस्क पर लिखता है।

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

SDK और supervision एनोटेशन के लिए लाइब्रेरी इंस्टॉल करें:

pip install -U inference-sdk supervision opencv-python

3

मॉडल चलाएँ

चलाएँ yolo26n-640 एक नमूना image पर और boxes तथा labels को annotate करें:

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

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

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="yolo26n-640")
detections = sv.Detections.from_inference(result)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("traffic-annotated.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।

Pretrained मॉडल और बेंचमार्क

इनमें से किसी भी alias को के रूप में पास करें model_id। inference-sdk हर उपनाम को उसके प्रीट्रेंड Roboflow Universe मॉडल क्लाइंट-साइड पर रेज़ॉल्व करता है; yolov26* प्रिफ़िक्स वेरिएंट्स समान मॉडलों पर रेज़ॉल्व होते हैं।

उपनाम	इनपुट आकार	mAP50-95	ONNX लेटेंसी (ms)*	TensorRT FP16 (ms)*
yolo26n-640	640x640	40.9	3.5	2.2
yolo26s-640	640x640	48.6	4.7	3.0
yolo26m-640	640x640	53.1	8.4	4.4
yolo26l-640	640x640	55.0	10.7	5.6
yolo26x-640	640x640	57.5	18.4	8.0

YOLO26 इंस्टेंस सेगमेंटेशन

YOLO26 इंस्टेंस सेगमेंटेशन निम्न के माध्यम से चलता है सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैं, COCO पर प्रीट्रेंड। स्व-होस्टेड परिनियोजन के लिए, देखें Roboflow Inference.

कोड नमूना

ऊपर दिखाए अनुसार अपना API key सेट करें और dependencies इंस्टॉल करें, फिर चलाएँ yolo26n-seg-640 और मास्क तथा लेबल्स को एनोटेट करें:

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

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

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="yolo26n-seg-640")
detections = sv.Detections.from_inference(result)

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

Pretrained मॉडल और बेंचमार्क

इनमें से किसी भी alias को के रूप में पास करें model_id; yolov26* प्रिफ़िक्स वेरिएंट्स समान मॉडलों पर रेज़ॉल्व होते हैं। बॉक्स और मास्क mAP एंड-टू-एंड (NMS-रहित) COCO val मान हैं।

उपनाम	इनपुट आकार	Box mAP50-95	Mask mAP50-95	ONNX लेटेंसी (ms)*	TensorRT FP16 (ms)*
yolo26n-seg-640	640x640	39.6	33.9	8.3	6.8
yolo26s-seg-640	640x640	47.3	40.0	10.8	8.5
yolo26m-seg-640	640x640	52.5	44.1	16.4	11.9
yolo26l-seg-640	640x640	54.4	45.5	18.4	12.8
yolo26x-seg-640	640x640	56.5	47.0	28.9	15.7

YOLO26 कीपॉइंट डिटेक्शन

YOLO26 कीपॉइंट/पोज़ डिटेक्शन निम्न के माध्यम से चलता है सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैं, COCO पर प्रीट्रेंड। स्व-होस्टेड परिनियोजन के लिए, देखें Roboflow Inference.

कोड नमूना

ऊपर दिखाए अनुसार अपना API key सेट करें और dependencies इंस्टॉल करें, फिर चलाएँ yolo26n-pose-640 और कीपॉइंट्स को एनोटेट करें:

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

image_url = "https://media.roboflow.com/notebooks/examples/person-walking.png"
image = sv.load_image_from_url(image_url)

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="yolo26n-pose-640")
key_points = sv.KeyPoints.from_inference(result)

annotated = sv.VertexAnnotator(color=sv.Color.RED, radius=5).annotate(image.copy(), key_points)
cv2.imwrite("person-walking-annotated.png", annotated)

Pretrained मॉडल और बेंचमार्क

इनमें से किसी भी alias को के रूप में पास करें model_id; yolov26* प्रिफ़िक्स वेरिएंट्स समान मॉडलों पर रेज़ॉल्व होते हैं। mAP एंड-टू-एंड (NMS-रहित) COCO val मान है।

उपनाम	इनपुट आकार	mAP50-95	ONNX लेटेंसी (ms)*	TensorRT FP16 (ms)*
yolo26n-pose-640	640x640	57.2	3.8	2.3
yolo26s-pose-640	640x640	63.0	5.1	3.3
yolo26m-pose-640	640x640	68.8	9.0	4.6
yolo26l-pose-640	640x640	70.4	11.2	5.8
yolo26x-pose-640	640x640	71.6	19.1	8.3

YOLO26 सिमेंटिक सेगमेंटेशन

YOLO26 सिमेंटिक सेगमेंटेशन (yolo26-sem) Roboflow पर सिमेंटिक सेगमेंटेशन के लिए अनुशंसित आर्किटेक्चर है। यह Cityscapes प्रीट्रेंड वज़न का उपयोग करता है और 1024x1024 के डिफ़ॉल्ट रेज़ॉल्यूशन पर प्रशिक्षण देता है। n, s, m, l, x — पाँच आकारों में उपलब्ध।

YOLO26-SEM मॉडल को प्रशिक्षित करने के लिए, एक सिमेंटिक सेगमेंटेशन प्रोजेक्ट बनाएँ और अपने आर्किटेक्चर के रूप में YOLO26 चुनें। आप यह भी कर सकते हैं कस्टम-ट्रेंड वज़न अपलोड करें YOLO26-SEM मॉडलों के लिए।

Cityscapes प्रीट्रेंड मॉडल (19 क्लासेस) सार्वजनिक मॉडलों के रूप में भी उपलब्ध हैं, जिन्हें आप एक में चला सकते हैं Workflow बिना प्रशिक्षण के।

Pretrained मॉडल और बेंचमार्क

इनमें से कोई भी Cityscapes-प्रीट्रेंड उपनाम model_id; yolov26* प्रिफ़िक्स वेरिएंट्स समान मॉडलों पर रेज़ॉल्व होते हैं। वे केवल ONNX बैकएंड पर चलते हैं; कोई पूर्वनिर्मित TensorRT इंजन प्रकाशित नहीं किया गया है।

उपनाम	इनपुट आकार	ONNX लेटेंसी (ms)*
yolo26n-sem-1024	1024x1024	23.3
yolo26s-sem-1024	1024x1024	25.9
yolo26m-sem-1024	1024x1024	34.6
yolo26l-sem-1024	1024x1024	35.8
yolo26x-sem-1024	1024x1024	53.2

---

* लेटेंसी को के साथ मापा जाता है Roboflow Inference 1x NVIDIA L4 पर, batch size 1, 1,000 inferences के औसत के साथ (100 warmup)। डिफ़ॉल्ट inference-gpu install ONNX को CUDA execution provider पर चलाता है; जोड़ने से inference-models[trt10] extra स्वचालित रूप से एक पूर्वनिर्मित TensorRT FP16 इंजन चुनता है। FP16, COCO पर 0.1 mAP के भीतर FP32 सटीकता से मेल खाता है val2017. सटीकता प्रकाशित COCO val स्पेक (स्रोत).