YOLOv9

हमारे Serverless Cloud API के माध्यम से YOLOv9 ऑब्जेक्ट डिटेक्शन का उपयोग करें

हम अपने माध्यम से YOLOv9 ऑब्जेक्ट डिटेक्शन इन्फरेंसिंग का समर्थन करते हैं सर्वरलेस क्लाउड API के माध्यम से समर्थित करते हैं. Roboflow पर YOLOv9 को ट्रेन करना समर्थित नहीं है, लेकिन आप कर सकते हैं प्रीट्रेंड वेट्स अपलोड करें किसी मौजूदा प्रोजेक्ट के लिए और उन्हें Serverless Cloud API के माध्यम से सर्व करें।

स्व-होस्टेड परिनियोजन के लिए देखें Roboflow Inference.

YOLOv9 का इनपुट साइज तब सेट किया जाता है जब आप अपना मॉडल Roboflow के बाहर ट्रेन 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

SDK इंस्टॉल करें और supervision डिकोडिंग और एनोटेशन के लिए:

pip install -U inference-sdk supervision

3

मॉडल चलाएँ

यह उदाहरण Roboflow के सार्वजनिक YOLOv9 मॉडल को चलाता है, जिसे प्रशिक्षित किया गया है COCO (coco/18), इसलिए यह वैसे ही काम करता है। अपनी खुद की वज़न फ़ाइलें 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/quickstart/traffic.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="coco/18")

detections = sv.Detections.from_inference(result)

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