지원되는 모델

Roboflow로 배포할 수 있는 모든 모델.

Roboflow를 사용하면 객체 탐지, 분할, 분류, 키포인트, 멀티모달 모델을 배포할 수 있습니다. 직접 학습한 모델은 다음과 같은 모델 ID.

이 모델들은 다음을 사용하여 배포할 수 있습니다 Workflows 사용:

아래 표는 일반적인 모델과 해당 모델의 학습 지원 여부를 보여줍니다, 모델 가중치 업로드 및 모델 가중치 내보내기/다운로드, 그리고 Serverless Cloud API 배포.

이 표는 Serverless Cloud API로 배포할 수 있는 모델을 설명합니다.

모델이 Serverless Cloud API에서 지원되지 않으면 다음 중 하나로 배포해야 합니다: 전용 배포 GPU를 사용하거나 Roboflow Inference를 사용하여 자체 하드웨어에서.

모든 모델은 다음과 함께 사용할 수 있습니다 배치 처리.

멀티모달 모델을 사용할 때 최적의 성능을 위해 GPU가 구성된 전용 배포 또는 배치 처리를 사용하는 것을 권장합니다.

객체 탐지

인스턴스 세그멘테이션

키포인트 검출

시맨틱 분할

멀티모달

OCR

기타

워크플로우에서 지원되는 모델

위의 모든 모델은 Workflows에서 실행할 수 있으며, Segment Anything 2, CLIP, OpenAI의 GPT 모델 등도 사용할 수 있습니다. 워크플로우에서 실행할 수 있는 전체 모델 목록을 확인하세요.

파운데이션 모델

파운데이션 모델은 매우 크고 일반적인 데이터셋으로 학습되므로, 별도로 학습하지 않아도 바로 사용할 수 있습니다. 예를 들어 OpenAI의 CLIP은 4억 개가 넘는 이미지-텍스트 쌍으로 학습되어 다양한 도메인의 이미지를 분류하고 비교할 수 있습니다.

Roboflow는 분할, 제로샷 탐지, 임베딩, OCR, 깊이 추정, 시각적 질의응답용 파운데이션 모델을 지원합니다. 이 페이지에 나열된 모든 모델은 HTTP로 호출할 수 있으므로, 각각을 직접 설정하거나 구성할 필요가 없습니다.

일반적인 사용 사례:

제로샷 탐지 및 분할. SAM3, Grounding DINO, YOLO-World, 그리고 OwlV2 학습 데이터 없이 텍스트 프롬프트나 단일 예시로 객체를 찾습니다.
자동 라벨링. 제로샷 모델을 사용해 데이터셋에 라벨을 지정한 다음, 사용 사례에 맞게 미세 조정된 더 작고 빠른 모델을 학습합니다.
임베딩. CLIP 및 Perception Encoder 이미지와 텍스트를 벡터로 변환해 클러스터링, 중복 제거, 콘텐츠 검수, 데이터셋 검색에 활용합니다.
이미지를 읽고 설명하기. Florence 2, Qwen3-VL, Moondream2, 그리고 OCR 모델 이미지에 대한 질문에 답하고 텍스트를 추출합니다.

사전 학습된 모델

Roboflow는 다음과 같은 짧은 별칭으로 COCO 사전 학습 체크포인트를 제공합니다 rfdetr-small 및 yolov8n-640. 별칭은 모델 ID가 허용되는 어디에서나 사용할 수 있으며, 학습이나 프로젝트 설정이 필요 없습니다. 다음을 참조하세요 사전 학습 모델 별칭 전체 목록은.

직접 모델 실행하기

직접 학습한 모델을 실행하려면(또는 업로드한 가중치 를 위한 경우), 해당 모델 ID이 필요합니다. 다음을 여세요 Roboflow 대시보드모델을 선택한 다음 사이드바에서 "배포"를 클릭하여 다음 형식의 ID를 찾습니다 {workspace}/{project}/{version}.

그런 다음 이를 다음처럼 전달합니다 model_id:

import os
from inference_sdk import InferenceHTTPClient

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

results = client.infer("image.jpeg", model_id="taylor-swift-records/3")
print(results["predictions"])

from inference import get_model

model = get_model(model_id="taylor-swift-records/3")

results = model.infer("image.jpeg")[0]
print(results.predictions)

결과를 다음에 로드합니다 supervision 와 함께 sv.Detections.from_inference(results) 시각화합니다.

커뮤니티 모델

Roboflow Universe 다른 Roboflow 사용자가 게시한 5만 개 이상의 모델을 호스팅하며, 결함 탐지부터 스포츠 분석, 야생동물 식별까지 모두 포함합니다. Universe 모델 ID는 자신의 모델 ID와 동일하게 작동합니다. 다음을 참조하세요 Universe에서 모델 찾기.

라이선스

Roboflow에서 지원하는 모델은 상위 프로젝트의 라이선스를 따릅니다. 다음을 참조하세요 Roboflow 라이선스 Roboflow Inference 및 그가 제공하는 모델의 라이선스가 어떻게 적용되는지에 대해.

이전사전학습 모델 별칭 다음RF-DETR

마지막 업데이트 4일 전

도움이 되었나요?