# Instance Segmentation {% tabs %} {% tab title="cURL" %} **Linux または MacOS** ローカルファイルの JSON 予測を取得 `YOUR_IMAGE.jpg`: ```bash base64 YOUR_IMAGE.jpg | curl -d @- \ "https://serverless.roboflow.com/your-model/42?api_key=YOUR_KEY" ``` URL を使って、Web 上の別の場所でホストされている画像に対して推論を行う（忘れずに [URL エンコードする](https://www.urlencoder.org/)): ```bash curl -X POST "https://serverless.roboflow.com/your-model/42?\ api_key=YOUR_KEY&\ image=https%3A%2F%2Fi.imgur.com%2FPEEvqPN.png" ``` **Windows** インストールする必要があります [Windows 用の curl](https://curl.se/windows/) と [Windows 用の GNU base64 ツール](http://gnuwin32.sourceforge.net/packages/coreutils.htm)。これを行う最も簡単な方法は、 [Windows 用 git インストーラー](https://git-scm.com/downloads) を使うことで、これには `curl` と `base64` コマンドラインツールも、インストール時に「Use Git and optional Unix tools from the Command Prompt」を選択すると含まれます。 その後、上記と同じコマンドを使用できます。 {% endtab %} {% tab title="Python" %} **ローカル画像とホスト画像で推論する** 依存関係をインストールするには、 `pip install inference-sdk`. ``` from inference_sdk import InferenceHTTPClient CLIENT = InferenceHTTPClient( api_url="https://serverless.roboflow.com", api_key="API_KEY" ) result = CLIENT.infer(your_image.jpg, model_id="football-pitch-segmentation/1") ``` {% endtab %} {% tab title="Javascript" %} **Node.js** この例では [axios](https://github.com/axios/axios) を使用して POST リクエストを実行しているので、まず `npm install axios` を実行して依存関係をインストールします。 **ローカル画像で推論する** ```javascript const axios = require("axios"); const fs = require("fs"); const image = fs.readFileSync("YOUR_IMAGE.jpg", { encoding: "base64" }); axios({ method: "POST", url: "https://serverless.roboflow.com/your-model/42", params: { api_key: "YOUR_KEY" }, data: image, headers: { "Content-Type": "application/x-www-form-urlencoded" } }) .then(function(response) { console.log(response.data); }) .catch(function(error) { console.log(error.message); }); ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```javascript const axios = require("axios"); axios({ method: "POST", url: "https://serverless.roboflow.com/your-model/42", params: { api_key: "YOUR_KEY", image: "https://i.imgur.com/PEEvqPN.png" } }) .then(function(response) { console.log(response.data); }) .catch(function(error) { console.log(error.message); }); ``` **Web** 以下を通じて、リアルタイムのオンデバイス推論が利用できます `roboflow.js`; こちらを参照 [ドキュメントはこちら](/roboflow/roboflow-jp/deploy/sdks/web-browser.md). {% endtab %} {% tab title="Swift/iOS" %} **Swift** **ローカル画像で推論する** ```swift import UIKit // 画像を読み込み、Base64 に変換 let image = UIImage(named: "your-image-path") // アップロードする画像のパス 例: image.jpg let imageData = image?.jpegData(compressionQuality: 1) let fileContent = imageData?.base64EncodedString() let postData = fileContent!.data(using: .utf8) // API_KEY、Model、および Model Version で Inference Server リクエストを初期化 var request = URLRequest(url: URL(string: "https://serverless.roboflow.com/your-model/your-model-version?api_key=YOUR_APIKEY&name=YOUR_IMAGE.jpg")!,timeoutInterval: Double.infinity) request.addValue("application/x-www-form-urlencoded", forHTTPHeaderField: "Content-Type") request.httpMethod = "POST" request.httpBody = postData // POST リクエストを実行 URLSession.shared.dataTask(with: request, completionHandler: { data, response, error in // レスポンスを文字列に解析 guard let data = data else { print(String(describing: error)) return } // レスポンス文字列を Dictionary に変換 do { let dict = try JSONSerialization.jsonObject(with: data, options: []) as? [String: Any] } catch { print(error.localizedDescription) } // 文字列レスポンスを出力 print(String(data: data, encoding: .utf8)!) }).resume() ``` **Objective C** [Objective-C のスニペットをリクエストするには、ここをクリックしてください。](https://app.roboflow.com/request/snippet.inference-objc) {% endtab %} {% tab title="Android" %} **Kotlin** **ローカル画像で推論する** ```kotlin import java.io.* import java.net.HttpURLConnection import java.net.URL import java.nio.charset.StandardCharsets import java.util.* fun main() { // 画像のパスを取得 val filePath = System.getProperty("user.dir") + System.getProperty("file.separator") + "YOUR_IMAGE.jpg" val file = File(filePath) // Base64 エンコード val encodedFile: String val fileInputStreamReader = FileInputStream(file) val bytes = ByteArray(file.length().toInt()) fileInputStreamReader.read(bytes) encodedFile = String(Base64.getEncoder().encode(bytes), StandardCharsets.US_ASCII) val API_KEY = "" // あなたの API キー val MODEL_ENDPOINT = "dataset/v" // model endpoint を設定（Dataset URL 内にあります） // URL を構築 val uploadURL ="https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // Http リクエスト var connection: HttpURLConnection? = null try { // URL への接続を設定 val url = URL(uploadURL) connection = url.openConnection() as HttpURLConnection connection.requestMethod = "POST" connection.setRequestProperty("Content-Type", "application/x-www-form-urlencoded") connection.setRequestProperty("Content-Length", Integer.toString(encodedFile.toByteArray().size)) connection.setRequestProperty("Content-Language", "en-US") connection.useCaches = false connection.doOutput = true // リクエストを送信 val wr = DataOutputStream( connection.outputStream) wr.writeBytes(encodedFile) wr.close() // レスポンスを取得 val stream = connection.inputStream val reader = BufferedReader(InputStreamReader(stream)) var line: String? while (reader.readLine().also { line = it } != null) { println(line) } reader.close() } catch (e: Exception) { e.printStackTrace() } finally { connection?.disconnect() } } main() ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```kotlin import java.io.BufferedReader import java.io.DataOutputStream import java.io.InputStreamReader import java.net.HttpURLConnection import java.net.URL import java.net.URLEncoder fun main() { val imageURL = "https://i.imgur.com/PEEvqPN.png" // 画像 URL を置き換える val API_KEY = "" // あなたの API キー val MODEL_ENDPOINT = "dataset/v" // model endpoint を設定 // アップロード URL val uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + URLEncoder.encode(imageURL, "utf-8"); // Http リクエスト var connection: HttpURLConnection? = null try { // URL への接続を設定 val url = URL(uploadURL) connection = url.openConnection() as HttpURLConnection connection.requestMethod = "POST" connection.setRequestProperty("Content-Type", "application/x-www-form-urlencoded") connection.setRequestProperty("Content-Length", Integer.toString(uploadURL.toByteArray().size)) connection.setRequestProperty("Content-Language", "en-US") connection.useCaches = false connection.doOutput = true // リクエストを送信 val wr = DataOutputStream(connection.outputStream) wr.writeBytes(uploadURL) wr.close() // レスポンスを取得 val stream = URL(uploadURL).openStream() val reader = BufferedReader(InputStreamReader(stream)) var line: String? while (reader.readLine().also { line = it } != null) { println(line) } reader.close() } catch (e: Exception) { e.printStackTrace() } finally { connection?.disconnect() } } main() ``` **Java** **ローカル画像で推論する** ```java import java.io.*; import java.net.HttpURLConnection; import java.net.URL; import java.nio.charset.StandardCharsets; import java.util.Base64; public class InferenceLocal { public static void main(String[] args) throws IOException { // 画像のパスを取得 String filePath = System.getProperty("user.dir") + System.getProperty("file.separator") + "YOUR_IMAGE.jpg"; File file = new File(filePath); // Base64 エンコード String encodedFile; FileInputStream fileInputStreamReader = new FileInputStream(file); byte[] bytes = new byte[(int) file.length()]; fileInputStreamReader.read(bytes); encodedFile = new String(Base64.getEncoder().encode(bytes), StandardCharsets.US_ASCII); String API_KEY = ""; // あなたの API キー String MODEL_ENDPOINT = "dataset/v"; // model endpoint // URL を構築 String uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // Http リクエスト HttpURLConnection connection = null; try { // URL への接続を設定 URL url = new URL(uploadURL); connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setRequestProperty("Content-Type", "application/x-www-form-urlencoded"); connection.setRequestProperty("Content-Length", Integer.toString(encodedFile.getBytes().length)); connection.setRequestProperty("Content-Language", "en-US"); connection.setUseCaches(false); connection.setDoOutput(true); // リクエストを送信 DataOutputStream wr = new DataOutputStream(connection.getOutputStream()); wr.writeBytes(encodedFile); wr.close(); // レスポンスを取得 InputStream stream = connection.getInputStream(); BufferedReader reader = new BufferedReader(new InputStreamReader(stream)); String line; while ((line = reader.readLine()) != null) { System.out.println(line); } reader.close(); } catch (Exception e) { e.printStackTrace(); } finally { if (connection != null) { connection.disconnect(); } } } } ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```java import java.io.BufferedReader; import java.io.DataOutputStream; import java.io.InputStream; import java.io.InputStreamReader; import java.net.HttpURLConnection; import java.net.URL; import java.net.URLEncoder; import java.nio.charset.StandardCharsets; public class InferenceHosted { public static void main(String[] args) { String imageURL = "https://i.imgur.com/PEEvqPN.png"; // 画像 URL を置き換える String API_KEY = ""; // あなたの API キー String MODEL_ENDPOINT = "dataset/v"; // model endpoint // アップロード URL String uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + URLEncoder.encode(imageURL, StandardCharsets.UTF_8); // Http リクエスト HttpURLConnection connection = null; try { // URL への接続を設定 URL url = new URL(uploadURL); connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setRequestProperty("Content-Type", "application/x-www-form-urlencoded"); connection.setRequestProperty("Content-Length", Integer.toString(uploadURL.getBytes().length)); connection.setRequestProperty("Content-Language", "en-US"); connection.setUseCaches(false); connection.setDoOutput(true); // リクエストを送信 DataOutputStream wr = new DataOutputStream(connection.getOutputStream()); wr.writeBytes(uploadURL); wr.close(); // レスポンスを取得 InputStream stream = new URL(uploadURL).openStream(); BufferedReader reader = new BufferedReader(new InputStreamReader(stream)); String line; while ((line = reader.readLine()) != null) { System.out.println(line); } reader.close(); } catch (Exception e) { e.printStackTrace(); } finally { if (connection != null) { connection.disconnect(); } } } } ``` {% endtab %} {% tab title="Ruby" %} **Gemfile** {% code title="Gemfile" %} ```ruby source "https://rubygems.org" gem "httparty", "~> 0.18.1" gem "base64", "~> 0.1.0" gem "cgi", "~> 0.2.1" ``` {% endcode %} **Gemfile.lock** {% code title="Gemfile.lock" %} ```ruby GEM remote: https://rubygems.org/ specs: base64 (0.1.0) cgi (0.2.1) httparty (0.18.1) mime-types (~> 3.0) multi_xml (>= 0.5.2) mime-types (3.3.1) mime-types-data (~> 3.2015) mime-types-data (3.2021.0225) multi_xml (0.6.0) PLATFORMS x64-mingw32 x86_64-linux DEPENDENCIES base64 (~> 0.1.0) cgi (~> 0.2.1) httparty (~> 0.18.1) BUNDLED WITH 2.2.15 ``` {% endcode %} **ローカル画像で推論する** ```ruby require 'base64' require 'httparty' encoded = Base64.encode64(File.open("YOUR_IMAGE.jpg", "rb").read) model_endpoint = "dataset/v" # model endpoint を設定 api_key = "" # ここにあなたの API KEY params = "?api_key=" + api_key + "&name=YOUR_IMAGE.jpg" response = HTTParty.post( "https://serverless.roboflow.com/" + model_endpoint + params, body: encoded, headers: { 'Content-Type' => 'application/x-www-form-urlencoded', 'charset' => 'utf-8' }) puts response ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```ruby require 'httparty' require 'cgi' model_endpoint = "dataset/v" # model endpoint を設定 api_key = "" # ここにあなたの API KEY img_url = "https://i.imgur.com/PEEvqPN.png" # URL を構築 img_url = CGI::escape(img_url) params = "?api_key=" + api_key + "&image=" + img_url response = HTTParty.post( "https://serverless.roboflow.com/" + model_endpoint + params, headers: { 'Content-Type' => 'application/x-www-form-urlencoded', 'charset' => 'utf-8' }) puts response ``` {% endtab %} {% tab title="PHP" %} **ローカル画像で推論する** ```php array ( 'header' => "Content-type: application/x-www-form-urlencoded\r\n", 'method' => 'POST', 'content' => $data )); $context = stream_context_create($options); $result = file_get_contents($url, false, $context); echo $result; ?> ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```php array ( 'header' => "Content-type: application/x-www-form-urlencoded\r\n", 'method' => 'POST' )); $context = stream_context_create($options); $result = file_get_contents($url, false, $context); echo $result; ?> ``` {% endtab %} {% tab title="Go" %} **ローカル画像で推論する** ```go package main import ( "bufio" "encoding/base64" "fmt" "io/ioutil" "os" "net/http" "strings" ) func main() { api_key := "" // あなたの API キー model_endpoint := "dataset/v" // model endpoint を設定 // ディスク上のファイルを開く。 f, _ := os.Open("YOUR_IMAGE.jpg") // JPG 全体を byte slice に読み込む。 reader := bufio.NewReader(f) content, _ := ioutil.ReadAll(reader) // base64 としてエンコード。 data := base64.StdEncoding.EncodeToString(content) uploadURL := "https://serverless.roboflow.com/" + model_endpoint + "?api_key=" + api_key + "&name=YOUR_IMAGE.jpg" req, _ := http.NewRequest("POST", uploadURL, strings.NewReader(data)) req.Header.Set("Accept", "application/json") client := &http.Client{} resp, _ := client.Do(req) defer resp.Body.Close() bytes, _ := ioutil.ReadAll(resp.Body) fmt.Println(string(bytes)) } ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```go package main import ( "fmt" "net/http" "net/url" "io/ioutil" ) func main() { api_key := "" // あなたの API キー model_endpoint := "dataset/v" // model endpoint を設定 img_url := "https://i.ibb.co/jzr27x0/YOUR-IMAGE.jpg" uploadURL := "https://serverless.roboflow.com/" + model_endpoint + "?api_key=" + api_key + "&image=" + url.QueryEscape(img_url) req, _ := http.NewRequest("POST", uploadURL, nil) req.Header.Set("Accept", "application/json") client := &http.Client{} resp, _ := client.Do(req) defer resp.Body.Close() bytes, _ := ioutil.ReadAll(resp.Body) fmt.Println(string(bytes)) } ``` {% endtab %} {% tab title=".NET" %} **ローカル画像で推論する** ```csharp using System; using System.IO; using System.Net; using System.Text; namespace InferenceLocal { class InferenceLocal { static void Main(string[] args) { byte[] imageArray = System.IO.File.ReadAllBytes(@"YOUR_IMAGE.jpg"); string encoded = Convert.ToBase64String(imageArray); byte[] data = Encoding.ASCII.GetBytes(encoded); string API_KEY = ""; // あなたの API キー string MODEL_ENDPOINT = "dataset/v"; // model endpoint を設定 // URL を構築 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // Service Request Config ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; // リクエストを設定 WebRequest request = WebRequest.Create(uploadURL); request.Method = "POST"; request.ContentType = "application/x-www-form-urlencoded"; request.ContentLength = data.Length; // データを書き込む using (Stream stream = request.GetRequestStream()) { stream.Write(data, 0, data.Length); } // レスポンスを取得 string responseContent = null; using (WebResponse response = request.GetResponse()) { using (Stream stream = response.GetResponseStream()) { using (StreamReader sr99 = new StreamReader(stream)) { responseContent = sr99.ReadToEnd(); } } } Console.WriteLine(responseContent); } } } ``` **URL 経由で Web 上の別の場所にホストされている画像で推論する** ```csharp using System; using System.IO; using System.Net; using System.Web; namespace InferenceHosted { class InferenceHosted { static void Main(string[] args) { string API_KEY = ""; // あなたの API キー string imageURL = "https://i.ibb.co/jzr27x0/YOUR-IMAGE.jpg"; string MODEL_ENDPOINT = "dataset/v"; // model endpoint を設定 // URL を構築 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + HttpUtility.UrlEncode(imageURL); // Service Point Config ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; // Http リクエストを設定 WebRequest request = WebRequest.Create(uploadURL); request.Method = "POST"; request.ContentType = "application/x-www-form-urlencoded"; request.ContentLength = 0; // レスポンスを取得 string responseContent = null; using (WebResponse response = request.GetResponse()) { using (Stream stream = response.GetResponseStream()) { using (StreamReader sr99 = new StreamReader(stream)) { responseContent = sr99.ReadToEnd(); } } } Console.WriteLine(responseContent); } } } ``` {% endtab %} {% tab title="Elixer" %} ユーザーからリクエストされたコードスニペットを追加しています。Elixir アプリに inference API を統合したい場合は、 [ここをクリックして upvote を記録してください](https://app.roboflow.com/request/snippet.upload-elixir). {% endtab %} {% endtabs %} ## レスポンスオブジェクトの形式 ホストされた API inference ルートは、 `JSON` 予測の配列を含むオブジェクトを返します。各予測には次のプロパティがあります: * `x` = 検出されたオブジェクトの水平中心点 * `y` = 検出されたオブジェクトの垂直中心点 * `width` = バウンディングボックスの幅 * `height` = バウンディングボックスの高さ * `class` = 検出されたオブジェクトのクラスラベル * `confidence` = 検出されたオブジェクトに正しいラベルと位置座標が付いているとモデルが確信している度合い * `points` = オブジェクトのポリゴン輪郭を構成する点のリスト - リスト内の各項目は、キーを持つオブジェクトです `x` と `y` それぞれ点の水平および垂直座標用 ```json // JSON オブジェクトの例 { "predictions": [ { "x": 179.2, "y": 247, "width": 231, "height": 147, "class": "A", "confidence": 0.98, "points": [ { "x": 134, "y": 314 }, { "x": 116, "y": 313 }, { "x": 103, "y": 310.1 }, { "x": 72.7, "y": 282 }, { "x": 66.8, "y": 273 }, ] } ] } ``` ## API リファレンス ## Inference API の使用 `POST` `https://serverless.roboflow.com/:datasetSlug/:versionNumber` base64エンコードされた画像をモデルエンドポイントに直接 POST できます。または、 `image` パラメータとしてURLをクエリ文字列で渡すこともできます。画像がすでに別の場所でホストされている場合です。 #### Path Parameters | Name | Type | Description | | ----------- | ------ | ------------------------------------------------------------------------------------------------------------------------------------------- | | datasetSlug | string | dataset名のURL安全版です。トレーニング後にdataset versionのtrain resultsセクションで「Get curl command」ボタンをクリックするか、メインのproject viewのURLを確認することで、Web UIで見つけることができます。 | | version | number | datasetのバージョンを識別するバージョン番号 | #### Query Parameters | Name | Type | Description | | ---------- | ------ | ------------------------------------------------------------------------------------------------------------------------------------------- | | image | string |

追加する画像のURL。画像が別の場所でホストされている場合に使用します。（リクエストボディでbase64エンコードされた画像をPOSTしない場合は必須です。）

注意: URLエンコードするのを忘れないでください。

| | overlap | number |

同じクラスのbounding box予測が1つのboxにまとめられる前に、重なりが許可される最大割合（0〜100のスケール）。

デフォルト: 30

このパラメータはRF-DETRモデルには影響しません。

| | confidence | number |

返される予測に対するしきい値（0〜100のスケール）。数値が低いほど、より多くの予測が返されます。数値が高いほど、高確度の予測がより少なく返されます。

デフォルト: 40

| | api\_key | string | あなたのAPIキー（workspaceのAPI設定ページで取得できます） | #### Request Body | Name | Type | Description | | ---- | ------ | ---------------------------------------------- | | | string | base64エンコードされた画像。（クエリパラメータで画像URLを渡さない場合は必須です。） | {% tabs %} {% tab title="200 JSON形式の予測。(x,y) はboxの" %} ``` { "predictions": [{ "x": 234.0, "y": 363.5, "width": 160, "height": 197, "class": "hand", "confidence": 0.943 }, { "x": 504.5, "y": 363.0, "width": 215, "height": 172, "class": "hand", "confidence": 0.917 }, { "x": 1112.5, "y": 691.0, "width": 139, "height": 52, "class": "hand", "confidence": 0.87 }, { "x": 78.5, "y": 700.0, "width": 139, "height": 34, "class": "hand", "confidence": 0.404 }] } ``` {% endtab %} {% tab title="403 api\_key がモデルへのアクセス権限を持っていない場合。" %} ``` { "Message": "User is not authorized to access this resource" } ``` {% endtab %} {% endtabs %} --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.roboflow.com/roboflow/roboflow-jp/deploy/serverless/instance-segmentation.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.