YOLOv8

YOLOv8 모델 패밀리를 Serverless Cloud API를 통해 사용하세요.

YOLOv8은 Ultralytics의 객체 탐지, 인스턴스 분할, 키포인트 검출 모델 계열입니다. Roboflow는 COCO로 사전 학습된 YOLOv8 체크포인트를 짧은 별칭으로 제공하며, 당신은 자신의 가중치를 업로드하여 다른 곳에서 학습한 모델을 실행할 수 있습니다.

Roboflow에서는 YOLOv8 학습을 지원하지 않습니다. Roboflow에서 학습된 탐지기는 다음을 참조하세요. RF-DETR, YOLO26, 또는 YOLO11.

사전 학습된 별칭

다음 ID 중 하나를 model_id 로 전달하면 아무것도 학습하지 않고 COCO 사전 학습 체크포인트를 실행할 수 있습니다. 전체 목록은 다음 페이지에 있습니다: 사전 학습 모델 별칭 페이지.

모델	입력 크기	작업	모델 ID	테스트
YOLOv8n	640	객체 탐지	yolov8n-640	브라우저에서 테스트
YOLOv8n	1280	객체 탐지	yolov8n-1280	브라우저에서 테스트
YOLOv8s	640	객체 탐지	yolov8s-640	브라우저에서 테스트
YOLOv8s	1280	객체 탐지	yolov8s-1280	브라우저에서 테스트
YOLOv8m	640	객체 탐지	yolov8m-640	브라우저에서 테스트
YOLOv8m	1280	객체 탐지	yolov8m-1280	브라우저에서 테스트
YOLOv8l	640	객체 탐지	yolov8l-640	브라우저에서 테스트
YOLOv8l	1280	객체 탐지	yolov8l-1280	브라우저에서 테스트
YOLOv8x	640	객체 탐지	yolov8x-640	브라우저에서 테스트
YOLOv8x	1280	객체 탐지	yolov8x-1280	브라우저에서 테스트
YOLOv8n 인스턴스 분할	640	인스턴스 분할	yolov8n-seg-640	브라우저에서 테스트
YOLOv8n 인스턴스 분할	1280	인스턴스 분할	yolov8n-seg-1280	브라우저에서 테스트
YOLOv8s 인스턴스 분할	640	인스턴스 분할	yolov8s-seg-640	브라우저에서 테스트
YOLOv8m 인스턴스 분할	1280	인스턴스 분할	yolov8s-seg-1280	브라우저에서 테스트
YOLOv8m 인스턴스 분할	640	인스턴스 분할	yolov8m-seg-640	브라우저에서 테스트
YOLOv8m 인스턴스 분할	1280	인스턴스 분할	yolov8m-seg-1280	브라우저에서 테스트
YOLOv8l 인스턴스 분할	640	인스턴스 분할	yolov8l-seg-640	브라우저에서 테스트
YOLOv8l 인스턴스 분할	1280	인스턴스 분할	yolov8l-seg-1280	브라우저에서 테스트
YOLOv8x 인스턴스 분할	640	인스턴스 분할	yolov8x-seg-640	브라우저에서 테스트
YOLOv8x 인스턴스 분할	1280	인스턴스 분할	yolov8x-seg-1280	브라우저에서 테스트
YOLOv8x 키포인트 검출	1280	키포인트 검출	yolov8x-pose-1280	브라우저에서 테스트
YOLOv8x 키포인트 검출	640	키포인트 검출	yolov8x-pose-640	브라우저에서 테스트
YOLOv8l 키포인트 검출	640	키포인트 검출	yolov8l-pose-640	브라우저에서 테스트
YOLOv8m 키포인트 검출	640	키포인트 검출	yolov8m-pose-640	브라우저에서 테스트
YOLOv8s 키포인트 검출	640	키포인트 검출	yolov8s-pose-640	브라우저에서 테스트
YOLOv8n 키포인트 검출	640	키포인트 검출	yolov8n-pose-640	브라우저에서 테스트

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 을 설치하여 예측을 디코딩하고 그리세요:

pip install -U inference-sdk supervision opencv-python

3

모델 실행

이 예시는 사전 학습된 yolov8n-640 체크포인트를 실행합니다. 자신의 가중치를 사용하려면, 다음을 {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/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)

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.

또한 다음 패키지로 체크포인트를 인프로세스로 불러올 수 있습니다: inference 패키지:

from inference import get_model

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