Roboflow 3.0

Roboflow 3.0 モデルファミリーをセルフホストモデルとして、または Serverless Cloud API 経由で使用します。

Roboflow 3.0 物体検出

Roboflow 3.0 は Roboflow の社内モデルアーキテクチャです。Roboflow プラットフォーム上で Roboflow 3.0 モデルを学習し、次を通じてデプロイします Serverless Cloud API。以下のサンプルでは、Roboflow の公開 COCO モデル (coco/3）なので、すぐに試せます。セルフホストでのデプロイについては、を参照してください Roboflow Inference.

コード例

1

API キーを取得する

Roboflow アカウントを作成し、キーを次の場所で見つけてください。 Roboflow API 設定ページ そしてシェルから使えるようにします。

export ROBOFLOW_API_KEY="your-key-here"

2

依存関係をインストールする

次をインストールします。 Inference SDK と supervision:

pip install -U inference-sdk supervision

3

モデルを実行する

サンプル画像で検出を実行し、ボックスとラベルを注釈します:

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/3")

detections = sv.Detections.from_inference(result)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("output.png", annotated)

設定してください api_url をデプロイ先に合わせてください：

• https://serverless.roboflow.com Serverless Cloud API 用です。

• http://localhost:9001 ローカルの Inference サーバー。

• あなたの 専用デプロイメント プライベートエンドポイント用の URL。

Roboflow 3.0 インスタンスセグメンテーション

Roboflow 3.0 のインスタンスセグメンテーションモデルを学習し、その後、 your-project/1 独自のものに {workspace}/{model-slug} IDに置き換えてください（ バージョン、トレーニング、およびモデル）API キーを設定し、上で示したとおりに依存関係をインストールしてください。

コード例

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"],
)
# 事前学習済みエイリアスはありません。独自のモデルを学習し、"your-project/1" をモデル ID に置き換えてください。
result = client.infer(image, model_id="your-project/1")

detections = sv.Detections.from_inference(result)

annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("output.png", annotated)

Roboflow 3.0 キーポイント検出

この例では、公開の rf-handpose 手のキーポイントモデルで、21 点の手のスケルトンを描画します。独自のものに差し替えてください {workspace}/{model-slug}）API キーを設定し、上で示したとおりに依存関係をインストールしてください。

コード例

import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient

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

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="rf-handpose/1")

key_points = sv.KeyPoints.from_inference(result)

# 手のスケルトン: 手首 (0)、親指 (1-4)、人差し指 (5-8)、中指 (9-12)、薬指 (13-16)、小指 (17-20)
hand_edges = [
    (0, 1), (1, 2), (2, 3), (3, 4),
    (0, 5), (5, 6), (6, 7), (7, 8),
    (5, 9), (9, 10), (10, 11), (11, 12),
    (9, 13), (13, 14), (14, 15), (15, 16),
    (13, 17), (17, 18), (18, 19), (19, 20), (0, 17),
]
annotated = image.copy()
vertices = key_points.xy[0].astype(int)
for start, end in hand_edges:
    cv2.line(annotated, tuple(vertices[start]), tuple(vertices[end]), (255, 0, 0), 2)
annotated = sv.VertexAnnotator(color=sv.Color.GREEN, radius=5).annotate(annotated, key_points)
cv2.imwrite("output.png", annotated)

Roboflow 3.0 分類

分類レスポンスには信頼度付きのクラス予測のリストが含まれるため、可視化は適用できません。レスポンスから直接トップクラスを読み取ってください。を置き換えてください your-project/1 これを、学習済みのモデル ID に置き換え、API キーを設定し、上で示したとおりに依存関係をインストールしてください。

コード例

import os
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"],
)
# 事前学習済みエイリアスはありません。独自のモデルを学習し、"your-project/1" をモデル ID に置き換えてください。
result = client.infer(image, model_id="your-project/1")

print(f"Top class: {result['top']} ({result['confidence']:.4f})")