YOLOv10

हमारे सर्वरलेस क्लाउड API के माध्यम से YOLOv10 ऑब्जेक्ट डिटेक्शन मॉडल का उपयोग करें

YOLOv10 एक ऑब्जेक्ट डिटेक्शन मॉडल है जो इनफ़ेरेंस पथ से नॉन-मैक्सिमम सप्रेशन को हटाता है, जिससे लेटेंसी कम होती है। Roboflow संक्षिप्त उपनामों के तहत COCO-प्रशिक्षित YOLOv10 चेकपॉइंट्स प्रदान करता है, और आप अपना स्वयं का वेट्स अपलोड करें किसी ऐसे मॉडल को चलाने के लिए जिसे आपने कहीं और प्रशिक्षित किया है।

Roboflow पर YOLOv10 का प्रशिक्षण समर्थित नहीं है। Roboflow-प्रशिक्षित डिटेक्टर के लिए देखें RF-DETR, YOLO26, या YOLO11.

पूर्व-प्रशिक्षित उपनाम

इनमें से किसी एक ID को model_id के रूप में पास करें ताकि बिना कुछ प्रशिक्षित किए COCO-प्रशिक्षित चेकपॉइंट चलाया जा सके। पूरी सूची यहाँ उपलब्ध है पूर्व-प्रशिक्षित मॉडल उपनाम पृष्ठ पर।

मॉडल	इनपुट आकार	कार्य	मॉडल ID	परीक्षण
YOLOv10n	640	ऑब्जेक्ट डिटेक्शन	yolov10n-640	ब्राउज़र में परीक्षण करें
YOLOv10s	640	ऑब्जेक्ट डिटेक्शन	yolov10s-640	ब्राउज़र में परीक्षण करें
YOLOv10m	640	ऑब्जेक्ट डिटेक्शन	yolov10m-640	ब्राउज़र में परीक्षण करें
YOLOv10b	640	ऑब्जेक्ट डिटेक्शन	yolov10b-640	ब्राउज़र में परीक्षण करें
YOLOv10l	640	ऑब्जेक्ट डिटेक्शन	yolov10l-640	ब्राउज़र में परीक्षण करें
YOLOv10x	640	ऑब्जेक्ट डिटेक्शन	yolov10x-640	ब्राउज़र में परीक्षण करें

कोड नमूना

1

अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएं, अपनी कुंजी यहाँ खोजें Roboflow API सेटिंग्स पेज और इसे अपने शेल में उपलब्ध कराएं:

export ROBOFLOW_API_KEY="your-key-here"

2

निर्भरताएँ इंस्टॉल करें

Inference SDK इंस्टॉल करें और supervision डिकोड करने और प्रेडिक्शन ड्रॉ करने के लिए:

pip install -U inference-sdk supervision opencv-python

3

मॉडल चलाएँ

यह उदाहरण पूर्व-प्रशिक्षित yolov10n-640 चेकपॉइंट चलाता है। अपने स्वयं के वेट्स सर्व करने के लिए, इसे अपने {workspace}/{model-slug} ID में बदलें (देखें संस्करण, प्रशिक्षण और मॉडल).

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

image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="yolov10n-640")

detections = sv.Detections.from_inference(results)

labels = [
    f"{name} {conf:.2f}"
    for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.png", annotated)

सेट करें api_url को अपने परिनियोजन लक्ष्य से मिलाएं:

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

• http://localhost:9001 एक स्थानीय इन्फरेंस सर्वर.

• आपका समर्पित परिनियोजन एक निजी एंडपॉइंट के लिए URL।

आप चेकपॉइंट को इन-प्रोसेस भी लोड कर सकते हैं inference पैकेज के साथ:

from inference import get_model

model = get_model(model_id="yolov10n-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")