YOLOv7

हमारे Serverless Cloud API के माध्यम से YOLOv7 इंस्टेंस सेगमेंटेशन का उपयोग करें

हम अपने माध्यम से YOLOv7 इंस्टेंस सेगमेंटेशन इन्फेरेंस का समर्थन करते हैं सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैं। Roboflow पर YOLOv7 को प्रशिक्षित करना समर्थित नहीं है, लेकिन आप अपना स्वयं का वेट्स अपलोड करें और उन पर इन्फेरेंस चला सकते हैं।

स्व-होस्टेड परिनियोजन के लिए देखें Roboflow Inference.

YOLOv7 इनपुट आकार तब सेट किया जाता है जब आप अपना मॉडल Roboflow के बाहर प्रशिक्षित करते हैं (सामान्य मान: 640x640 या 1280x1280)।

कोड नमूना

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

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

pip install -U inference-sdk supervision opencv-python

3

मॉडल चलाएँ

यह उदाहरण एक सार्वजनिक YOLOv7 इंस्टेंस सेगमेंटेशन मॉडल चलाता है, जिसे प्रशिक्षित किया गया है कंक्रीट सतह दोष (concrete-pugqq/3), फिर पूर्वानुमानित मास्क प्रस्तुत करने के लिए supervision का उपयोग करता है। अपने स्वयं के वेट्स सर्व करने के लिए, 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/docs/concrete-crack.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="concrete-pugqq/3")

detections = sv.Detections.from_inference(results)

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

cv2.imwrite("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।