YOLOv7

YOLOv7 인스턴스 분할을 서버리스 클라우드 API를 통해 사용

당사는 다음을 통해 YOLOv7 인스턴스 세그멘테이션 추론을 지원합니다. Serverless Cloud API. Roboflow에서는 YOLOv7 학습이 지원되지 않지만, 다음은 가능합니다. 자신의 가중치를 업로드하여 그리고 이를 대상으로 추론을 실행할 수 있습니다.

자체 호스팅 배포의 경우 다음을 참조하세요 Roboflow Inference.

YOLOv7 입력 크기는 Roboflow 외부에서 모델을 학습할 때 설정합니다(일반적인 값: 640x640 또는 1280x1280).

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

Inference SDK와 supervision 마스크를 디코딩하고 그리기 위해:

pip install -U inference-sdk supervision opencv-python

3

모델 실행

이 예제는 다음에서 학습된 공개 YOLOv7 인스턴스 세그멘테이션 모델을 실행합니다: 콘크리트 표면 결함 (concrete-pugqq/3). 그런 다음 supervision을 사용해 예측된 마스크를 렌더링합니다. 자체 가중치를 제공하려면, 자신의 {workspace}/{model-slug} ID를 사용하세요(참조: 버전, 학습, 및 모델).

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

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

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
results = client.infer(image, model_id="concrete-pugqq/3")

detections = sv.Detections.from_inference(results)

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

cv2.imwrite("annotated.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.