Roboflow 3.0

Roboflow 3.0 모델 패밀리를 자체 호스팅 모델로 사용하거나 Serverless Cloud API를 통해 사용하세요.

Roboflow 3.0 객체 탐지

Roboflow 3.0은 Roboflow의 자체 모델 아키텍처입니다. Roboflow 플랫폼에서 Roboflow 3.0 모델을 학습하고 다음을 통해 배포합니다 Serverless Cloud API. 아래 예제는 Roboflow의 공개 COCO 모델 (coco/3) 바로 시도해 볼 수 있습니다. 자체 호스팅 배포는 다음을 참조하세요 Roboflow Inference.

코드 예시

1

API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요. Roboflow API 설정 페이지 에서 다음과 같이 셸에서 사용할 수 있도록 합니다:

export ROBOFLOW_API_KEY="your-key-here"

2

의존성 설치

다음을 설치하세요 Inference SDK 및 supervision:

pip install -U inference-sdk supervision

3

모델 실행

샘플 이미지에서 탐지를 실행하고 박스와 레이블을 주석 처리합니다:

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)

설정 api_url 를 배포 대상에 맞게:

• https://serverless.roboflow.com 서버리스 클라우드 API용입니다.

• http://localhost:9001 로컬 Inference 서버용.

• 당신의 전용 배포 비공개 엔드포인트용 URL.

Roboflow 3.0 인스턴스 분할

Roboflow 3.0 인스턴스 분할 모델을 학습한 다음, 바꾸세요 your-project/1 자신의 것으로 {workspace}/{model-slug} ID를 사용하세요(참조: 버전, 학습, 및 모델). API 키를 설정하고 위에 표시된 대로 종속성을 설치하세요.

코드 예시

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"],
)
# 사전 학습된 별칭 없음: 직접 모델을 학습하고 "your-project/1"을 모델 ID로 바꾸세요.
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 키포인트 탐지

이 예제는 공개 rf-handpose 손 키포인트 모델이며, 그런 다음 21개 포인트의 손 스켈레톤을 그립니다. 자신의 것으로 바꾸세요 {workspace}/{model-slug}. API 키를 설정하고 위에 표시된 대로 종속성을 설치하세요.

코드 예시

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)

# 손 스켈레톤: 손목(0), 엄지(1-4), 검지(5-8), 중지(9-12), 약지(13-16), 새끼손가락(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 분류

분류 응답에는 신뢰도와 함께 클래스 예측 목록이 포함되어 있으므로 시각화는 적용되지 않습니다. 응답에서 최상위 클래스를 직접 읽으세요. 다음을 바꾸세요 your-project/1 를 학습한 모델 ID로 바꾸고, API 키를 설정한 뒤 위에 표시된 대로 종속성을 설치하세요.

코드 예시

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"],
)
# 사전 학습된 별칭 없음: 직접 모델을 학습하고 "your-project/1"을 모델 ID로 바꾸세요.
result = client.infer(image, model_id="your-project/1")

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