YOLOv8

YOLOv8 モデルファミリーを Serverless Cloud API 経由で使用します

YOLOv8 は、Ultralytics による物体検出、インスタンスセグメンテーション、およびキーポイント検出のモデルファミリーです。Roboflow は COCO で事前学習された YOLOv8 のチェックポイントを短い別名で提供しており、また 独自の重みをアップロードして 別の場所で学習したモデルを実行できます。

Roboflow で YOLOv8 を学習させることはサポートされていません。Roboflow で学習された検出器については、こちらを参照してください RF-DETR, YOLO26、または YOLO11.

事前学習済みエイリアス

次のいずれかのIDを model_id として指定すると、何も学習せずにCOCOで事前学習されたチェックポイントを実行できます。完全な一覧は 事前学習済みモデルのエイリアス ページにあります。

モデル	入力サイズ	タスク	モデルID	テスト
YOLOv8n	640	物体検出	yolov8n-640	ブラウザでテスト
YOLOv8n	1280	物体検出	yolov8n-1280	ブラウザでテスト
YOLOv8s	640	物体検出	yolov8s-640	ブラウザでテスト
YOLOv8s	1280	物体検出	yolov8s-1280	ブラウザでテスト
YOLOv8m	640	物体検出	yolov8m-640	ブラウザでテスト
YOLOv8m	1280	物体検出	yolov8m-1280	ブラウザでテスト
YOLOv8l	640	物体検出	yolov8l-640	ブラウザでテスト
YOLOv8l	1280	物体検出	yolov8l-1280	ブラウザでテスト
YOLOv8x	640	物体検出	yolov8x-640	ブラウザでテスト
YOLOv8x	1280	物体検出	yolov8x-1280	ブラウザでテスト
YOLOv8n インスタンスセグメンテーション	640	インスタンスセグメンテーション	yolov8n-seg-640	ブラウザでテスト
YOLOv8n インスタンスセグメンテーション	1280	インスタンスセグメンテーション	yolov8n-seg-1280	ブラウザでテスト
YOLOv8s インスタンスセグメンテーション	640	インスタンスセグメンテーション	yolov8s-seg-640	ブラウザでテスト
YOLOv8m インスタンスセグメンテーション	1280	インスタンスセグメンテーション	yolov8s-seg-1280	ブラウザでテスト
YOLOv8m インスタンスセグメンテーション	640	インスタンスセグメンテーション	yolov8m-seg-640	ブラウザでテスト
YOLOv8m インスタンスセグメンテーション	1280	インスタンスセグメンテーション	yolov8m-seg-1280	ブラウザでテスト
YOLOv8l インスタンスセグメンテーション	640	インスタンスセグメンテーション	yolov8l-seg-640	ブラウザでテスト
YOLOv8l インスタンスセグメンテーション	1280	インスタンスセグメンテーション	yolov8l-seg-1280	ブラウザでテスト
YOLOv8x インスタンスセグメンテーション	640	インスタンスセグメンテーション	yolov8x-seg-640	ブラウザでテスト
YOLOv8x インスタンスセグメンテーション	1280	インスタンスセグメンテーション	yolov8x-seg-1280	ブラウザでテスト
YOLOv8x キーポイント検出	1280	キーポイント検出	yolov8x-pose-1280	ブラウザでテスト
YOLOv8x キーポイント検出	640	キーポイント検出	yolov8x-pose-640	ブラウザでテスト
YOLOv8l キーポイント検出	640	キーポイント検出	yolov8l-pose-640	ブラウザでテスト
YOLOv8m キーポイント検出	640	キーポイント検出	yolov8m-pose-640	ブラウザでテスト
YOLOv8s キーポイント検出	640	キーポイント検出	yolov8s-pose-640	ブラウザでテスト
YOLOv8n キーポイント検出	640	キーポイント検出	yolov8n-pose-640	ブラウザでテスト

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

Inference SDKをインストールし、 supervision 予測をデコードして描画するには：

pip install -U inference-sdk supervision opencv-python

3

モデルを実行する

この例では、事前学習済みの yolov8n-640 チェックポイントを実行します。独自の重みを配信するには、 {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).

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

image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="yolov8n-640")

detections = sv.Detections.from_inference(results)

labels = [
    f"{name} {conf:.2f}"
    for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.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。

チェックポイントは、次の inference パッケージを使ってプロセス内で読み込むこともできます：

from inference import get_model

model = get_model(model_id="yolov8n-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")