> 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/ko/supported-models/yolov12.md).

# YOLOv12

YOLOv12 객체 감지 모델을 서버리스 클라우드 API를 통해 사용

당사는 다음을 통해 YOLOv12 객체 탐지 추론을 지원합니다 [서버리스 클라우드 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api). YOLOv12는 다섯 가지 크기(`n`, `s`, `m`, `l`, `x`) 객체 탐지 작업용입니다.

자가 호스팅 배포에 대해서는 다음을 참조하세요: [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

YOLOv12 입력 크기는 Roboflow에서 모델을 학습할 때 설정됩니다(일반적인 값: 640x640 또는 1280x1280).

## YOLOv12 API

{% stepper %}
{% step %}

### API 키를 받으세요

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 그리고 셸에서 사용할 수 있도록 설정하세요:

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

{% endstep %}

{% step %}

### 종속성을 설치합니다

다음을 설치합니다: [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk) 및 [supervision](https://supervision.roboflow.com/) 예측을 디코딩하고 시각화하기 위해:

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

{% endstep %}

{% step %}

### 모델 실행

이 예시는 다음에서 학습된 공개 YOLOv12 모델을 실행합니다: [나사 데이터셋](https://universe.roboflow.com/erik-pe6au/rf-bolts) (screw, flat-washer, hex-nut). 자신의 것으로 바꾸세요 `{workspace}/{model-slug}` 학습된 가중치를 실행하려면 다음을 참조하세요( [버전, 학습, 모델](https://docs.roboflow.com/models/ko/versions-trainings-and-models.md)).

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

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

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
result = client.infer(image, model_id="erik-pe6au/bolts-uzqzc-4-yolo12s-t1")

detections = sv.Detections.from_inference(result)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)

cv2.imwrite("annotated.png", annotated)
```

<figure><img src="https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-c2ef4d06be0aef1325d9481411947abcd13d9035%2Fyolov12-screws-detection.webp?alt=media" alt=""><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

{% hint style="info" %}
설정하세요 `api_url` 배포 대상에 맞게 다음과 같이 설정하세요:

* `https://serverless.roboflow.com` 서버리스 클라우드 API용입니다.
* `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버입니다.
* 귀하의 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 비공개 엔드포인트용 URL입니다.
  {% endhint %}

## 사용자 지정 가중치 업로드

Roboflow 외부에서 학습한 YOLOv12 모델을 실행하려면, 해당 가중치를 다음이 있는 프로젝트에 업로드하세요: [Roboflow CLI](https://docs.roboflow.com/reference/platform/cli/install-and-set-up-the-cli):

```bash
roboflow upload_model -p my-project -v 1 -t yolov12n -m ./runs/detect/train
```

설정하세요 `-t` 모델 크기에 맞게(예: `yolov12s`). 다음을 참조하세요: [사용자 지정 가중치 업로드](https://docs.roboflow.com/models/ko/model-weights/upload-custom-weights.md) Python SDK 및 학습 버전 요구사항은 다음을 참조하세요.

## 라이선스

YOLOv12는 AGPL-3.0으로 배포됩니다. 상업적 사용에 미치는 의미는 다음과 같습니다:

* **Roboflow 클라우드에서는:** 무료 요금제를 포함한 모든 사용자에게 상업용 라이선스가 포함됩니다.
* **자가 호스팅:** Enterprise 라이선스 애드온이 필요하며, 그렇지 않으면 애플리케이션을 AGPL-3.0으로 오픈 소스로 공개해야 합니다.
* **보다 자유로운 대안:** [RF-DETR](https://docs.roboflow.com/models/ko/supported-models/rf-detr.md) 은 Apache 2.0이며, 어디서나 상업적 용도로 무료로 사용할 수 있습니다.

다음을 참조하세요: [Roboflow의 Ultralytics 라이선스](https://roboflow.com/ultralytics) 자세한 내용은.
