> 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/yolov12.md).

# YOLOv12

हमारे सर्वरलेस क्लाउड API के माध्यम से YOLOv12 ऑब्जेक्ट डिटेक्शन मॉडल का उपयोग करें

हम अपने माध्यम से YOLOv12 ऑब्जेक्ट डिटेक्शन इन्फरेंसिंग का समर्थन करते हैं [सर्वरलेस क्लाउड API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)। ऑब्जेक्ट डिटेक्शन कार्य के लिए YOLOv12 पाँच आकारों में समर्थित है (`n`, `s`, `m`, `l`, `x`)।

स्व-होस्टेड परिनियोजन के लिए, देखें [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

YOLOv12 इनपुट आकार तब सेट किया जाता है जब आप Roboflow पर अपना मॉडल ट्रेन करते हैं (सामान्य मान: 640x640 या 1280x1280)।

## YOLOv12 API

{% stepper %}
{% step %}

### अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएं, अपनी कुंजी यहाँ खोजें [Roboflow API सेटिंग्स पेज](https://app.roboflow.com/settings/api) और इसे अपने शेल में उपलब्ध कराएं:

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

{% endstep %}

{% step %}

### डिपेंडेंसीज़ इंस्टॉल करें

इंस्टॉल करें [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk) और [supervision](https://supervision.roboflow.com/) भविष्यवाणियों को डिकोड और विज़ुअलाइज़ करने के लिए:

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

{% endstep %}

{% step %}

### मॉडल चलाएँ

यह उदाहरण एक सार्वजनिक YOLOv12 मॉडल चलाता है, जिसे एक [स्क्रूज़ डेटासेट](https://universe.roboflow.com/erik-pe6au/rf-bolts) (screw, flat-washer, hex-nut) पर प्रशिक्षित किया गया है। अपने स्वयं के को बदलें `{workspace}/{model-slug}` अपने प्रशिक्षित वेट्स चलाने के लिए (देखें [संस्करण, प्रशिक्षण, और मॉडल](/models/hi/versions-trainings-and-models.md)).

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

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

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
result = client.infer(image, model_id="erik-pe6au/bolts-uzqzc-4-yolo12s-t1")

detections = sv.Detections.from_inference(result)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)

cv2.imwrite("annotated.png", annotated)
```

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-c2ef4d06be0aef1325d9481411947abcd13d9035%2Fyolov12-screws-detection.webp?alt=media" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

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

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

## लाइसेंस

YOLOv12 AGPL-3.0 के अंतर्गत जारी किया गया है। व्यावसायिक उपयोग के लिए इसका क्या अर्थ है:

* **Roboflow क्लाउड पर:** मुफ़्त योजना सहित, प्रत्येक उपयोगकर्ता के लिए एक व्यावसायिक लाइसेंस शामिल है।
* **स्व-होस्टेड:** आपको Enterprise लाइसेंस ऐड-ऑन चाहिए, या आपको अपने एप्लिकेशन को AGPL-3.0 के अंतर्गत ओपन-सोर्स करना होगा।
* **अनुमतिवादी विकल्प:** [RF-DETR](/models/hi/supported-models/rf-detr.md) Apache 2.0 है, और कहीं भी व्यावसायिक उपयोग के लिए मुफ़्त है।

विवरण के लिए देखें [Roboflow का Ultralytics लाइसेंसिंग](https://roboflow.com/ultralytics) ।