> 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/ja/supported-models/florence-2.md).

# Florence 2

対応しています [Microsoft の Florence 2](https://huggingface.co/microsoft/Florence-2-base)、マルチモーダルな視覚言語モデルを、当社の [サーバーレスホスト型 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)。Florence 2 は、タスクプロンプト（たとえば `<CAPTION>`, `<OD>`, `<OCR>`, `<REFERRING_EXPRESSION_SEGMENTATION>`).

## デフォルトのエイリアス

エイリアスとして `model_id` リクエストで使用すると、ランタイムが対応する事前学習済み重みへ解決します。

<table data-search="false"><thead><tr><th>別名</th></tr></thead><tbody><tr><td><code>florence-2-base</code></td></tr><tr><td><code>florence-2-large</code></td></tr></tbody></table>

## 精度

公式モデルカードからの主要なゼロショット指標（[base](https://huggingface.co/microsoft/Florence-2-base), [large](https://huggingface.co/microsoft/Florence-2-large)):

<table data-header-hidden data-search="false"><thead><tr><th></th><th></th><th></th></tr></thead><tbody><tr><td>ベンチマーク</td><td><code>florence-2-base</code></td><td><code>florence-2-large</code></td></tr><tr><td>COCO Caption（CIDEr）</td><td>133.0</td><td>135.6</td></tr><tr><td>COCO 検出（mAP）</td><td>34.7</td><td>37.5</td></tr><tr><td>RefCOCO（精度）</td><td>53.9</td><td>56.3</td></tr></tbody></table>

## 推論速度

レイテンシの測定条件： [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 1台の NVIDIA L4、バッチサイズ 1 で、次のものから貪欲デコードを用いてちょうど 128 トークンを生成した場合の `<CAPTION>` プロンプト。レイテンシは出力長に比例するため、他の長さを見積もるには tokens/sec を使用してください。

<table data-search="false"><thead><tr><th>別名</th><th>レイテンシ、128 トークン（ms）</th><th>トークン/秒</th></tr></thead><tbody><tr><td><code>florence-2-base</code></td><td>652</td><td>198</td></tr><tr><td><code>florence-2-large</code></td><td>1120</td><td>115</td></tr></tbody></table>

## コード例

Florence 2 は共有の `/infer/lmm` エンドポイント。HTTP エンドポイントを直接呼び出すには、 `curl`、または以下を使って: [`inference-sdk`](https://docs.roboflow.com/reference/inference/inference-sdk) ラッパー。

{% tabs %}
{% tab title="HTTP（curl）" icon="webhook" %}
{% stepper %}
{% step %}

### API キーを取得する

Roboflow アカウントを作成し、以下でキーを見つけます： [Roboflow API 設定ページ](https://app.roboflow.com/settings/api) その後、シェルで利用できるようにします：

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

{% endstep %}

{% step %}

### モデルを実行する

以下を呼び出します: `/infer/lmm` タスクプロンプトを使用してエンドポイントに `curl`:

```bash
curl --location 'https://serverless.roboflow.com/infer/lmm' \\
  --header 'Content-Type: application/json' \
  --data '{
    "api_key": "'"$ROBOFLOW_API_KEY"'",
    "image": {"type": "url", "value": "https://media.roboflow.com/quickstart/dog.jpeg"},
    "model_id": "florence-2-base",
    "prompt": "<CAPTION>"
  }'
```

{% endstep %}
{% endstepper %}
{% endtab %}

{% tab title="SDK（Python）" icon="python" %}
{% stepper %}
{% step %}

### API キーを取得する

Roboflow アカウントを作成し、以下でキーを見つけます： [Roboflow API 設定ページ](https://app.roboflow.com/settings/api) その後、シェルで利用できるようにします：

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

{% endstep %}

{% step %}

### 依存関係をインストールする

このパッケージは次のモデルを呼び出します：

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

{% endstep %}

{% step %}

### モデルを実行する

LMM 推論エンドポイントをタスクプロンプトで呼び出します：

```python
import os
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/dog.jpeg")

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

result = client.infer_lmm(
    inference_input=image,
    model_id="florence-2-base",
    prompt="<CAPTION>",
)

print(result["response"])  # {'<CAPTION>': '犬を背負っている男性。'}
```

<figure><img src="/files/2426d02666c822a5493a718b90849c4f77e4c7d7" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}
{% endtab %}
{% endtabs %}

{% hint style="info" %}
設定する `api_url` をデプロイ先に合わせます：

* `https://serverless.roboflow.com` Serverless Hosted API 用。
* `http://localhost:9001` ローカルの [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) サーバー用。
* あなたの [専用デプロイメント](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) プライベートエンドポイント用の URL。
  {% endhint %}

置き換えて `<CAPTION>` 任意の対応タスクプロンプト（たとえば `<DETAILED_CAPTION>`, `<OD>`, `<OCR>`, `<OPEN_VOCABULARY_DETECTION>`, `<REFERRING_EXPRESSION_SEGMENTATION>`）を使って、キャプション生成、検出、OCR、セグメンテーションの各タスクを切り替えます。

セルフホスト型のデプロイとタスクプロンプトの全一覧については、 [推論ドキュメント](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## タスクプロンプト

Florence 2 はプロンプトトークンによってタスクを切り替えます。以下のいずれかを `プロンプト`:

| タスク            | プロンプト                                                        |
| -------------- | ------------------------------------------------------------ |
| 物体検出           | `<OD>`                                                       |
| 密な領域キャプション生成   | `<DENSE_REGION_CAPTION>`                                     |
| 画像キャプション生成     | `<CAPTION>`, `<DETAILED_CAPTION>`, `<MORE_DETAILED_CAPTION>` |
| 領域提案           | `<REGION_PROPOSAL>`                                          |
| フレーズグラウンディング   | `<CAPTION_TO_PHRASE_GROUNDING>`                              |
| 参照表現セグメンテーション  | `<REFERRING_EXPRESSION_SEGMENTATION>`                        |
| 領域からセグメンテーションへ | `<REGION_TO_SEGMENTATION>`                                   |
| オープンボキャブラリ検出   | `<OPEN_VOCABULARY_DETECTION>`                                |
| 領域から説明へ        | `<REGION_TO_DESCRIPTION>`                                    |
| OCR            | `<OCR>`                                                      |
| 領域付き OCR       | `<OCR_WITH_REGION>`                                          |

## Inference（セルフホスト型）で使用する

Florence 2 は、次の方法でも直接ロードできます。 [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) パッケージ。

{% stepper %}
{% step %}

### パッケージをインストールする

```bash
pip install "inference[transformers]"
```

以下を使用してください： `inference-gpu[transformers]` GPU マシン上で。
{% endstep %}

{% step %}

### モデルを実行する

```python
from inference import get_model

model = get_model("florence-2-base", api_key="YOUR_API_KEY")

result = model.infer(
    "https://media.roboflow.com/inference/seawithdock.jpeg",
    prompt="<CAPTION>",
)

print(result[0].response)
```

置き換えて `<CAPTION>` 上の表にある任意のタスクプロンプトに対して。
{% endstep %}
{% endstepper %}

### Workflows の実行モード

以下で使用する場合： [Workflow](https://docs.roboflow.com/workflows)、Florence 2 は 2 つのモードのいずれかで動作します：

* **ローカル実行**：モデルは Inference サーバー上で実行されます（GPU 推奨）。
* **リモート実行**：モデルはリモートの Inference サーバー上で HTTP 経由で呼び出されます。