YOLOv12

हमारे Serverless Cloud API के माध्यम से YOLOv12 ऑब्जेक्ट डिटेक्शन मॉडल का उपयोग करें

हम अपने सर्वरलेस क्लाउड APIके माध्यम से YOLOv12 ऑब्जेक्ट डिटेक्शन इन्फरेंसिंग का समर्थन करते हैं। YOLOv12 पाँच आकारों में समर्थित है (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन कार्य के लिए।

स्व-होस्टेड परिनियोजन के लिए देखें Roboflow Inference.

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

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

इंस्टॉल करें Inference SDK और supervision भविष्यवाणियों को डिकोड और विज़ुअलाइज़ करने के लिए:

pip install -U inference-sdk supervision

3

मॉडल चलाएँ

यह उदाहरण एक सार्वजनिक YOLOv12 मॉडल चलाता है, जिसे एक स्क्रूज़ डेटासेट (स्क्रू, फ्लैट-वाॅशर, हेक्स-नट). अपने स्वयं के {workspace}/{model-slug} अपने प्रशिक्षित वज़न चलाने के लिए (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/docs/bolts.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
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)

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।