> 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/roboflow/roboflow-jp/deploy/serverless/keypoint-detection.md). # キーポイント検出 {% tabs %} {% tab title="Python" %} Python でホスト済み API を使用して推論を実行するには、次の `roboflow` Python パッケージを使用します： ```python from roboflow import Roboflow rf = Roboflow(api_key="API_KEY") project = rf.workspace().project("MODEL_ENDPOINT") model = project.version(VERSION).models()[0] # ローカル画像で推論する print(model.predict("your_image.jpg", confidence=40, overlap=30).json()) # 予測結果を可視化する # model.predict("your_image.jpg", confidence=40, overlap=30).save("prediction.jpg") # Web 上の別の場所にホストされた画像で推論する # print(model.predict("URL_OF_YOUR_IMAGE", hosted=True, confidence=40, overlap=30).json()) ``` {% endtab %} {% tab title="cURL" %} **Linux または MacOS** というローカルファイルの JSON 予測を取得する `YOUR_IMAGE.jpg`: ```bash base64 YOUR_IMAGE.jpg | curl -d @- \\ "https://serverless.roboflow.com/your-model/42?api_key=YOUR_KEY" ``` Web 上の別の場所にホストされた画像を、その URL 経由で推論するには（ [URL エンコードするのを忘れないでください](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/) および [GNU の Windows 用 base64 ツール](http://gnuwin32.sourceforge.net/packages/coreutils.htm)。これを行う最も簡単な方法は、 [git for Windows インストーラー](https://git-scm.com/downloads) には次も含まれています `curl` および `base64` インストール中に "Use Git and optional Unix tools from the Command Prompt" を選択すると、コマンドラインツールも利用できます。 その後、上記と同じコマンドを使用できます。 {% 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てください。 **ローカル画像での推論** ```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た画像で推論する** ```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** リアルタイムのオンデバイス推論は `roboflow.js`；参照： [こちらのドキュメント](/roboflow/roboflow-jp/deploy/sdks/web-browser.md). {% endtab %} {% tab title="Swift/iOS" %} **Swift** **ローカル画像での推論** ```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へのパス 例: image.jpg let imageData = image?.jpegData(compressionQuality: 1) let fileContent = imageData?.base64EncodedString() let postData = fileContent!.data(using: .utf8) // API_KEY、モデル、モデルバージョンを使用して推論サーバーの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パース guard let data = data else { print(String(describing: error)) return } // レスポンス文字列を辞書に変換 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 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** **ローカル画像での推論** ```kotlin import java.io.* import java.net.HttpURLConnection import java.net.URL import java.nio.charset.StandardCharsets import java.util.* fun main() { // 画像パスを取得 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 = "" // API キー val MODEL_ENDPOINT = "dataset/v" // モデルエンドポイントを設定（Dataset URL 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た画像で推論する** ```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 を置き換えてください val API_KEY = "" // API キー val MODEL_ENDPOINT = "dataset/v" // モデルエンドポイントを設定 // 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** **ローカル画像での推論** ```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 = ""; // API キー String MODEL_ENDPOINT = "dataset/v"; // モデルエンドポイント // 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た画像で推論する** ```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 を置き換えてください String API_KEY = ""; // API キー String MODEL_ENDPOINT = "dataset/v"; // モデルエンドポイント // 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 %} **ローカル画像での推論** ```ruby require 'base64' require 'httparty' encoded = Base64.encode64(File.open("YOUR_IMAGE.jpg", "rb").read) model_endpoint = "dataset/v" # モデルエンドポイントを設定 api_key = "" # ここに API キー 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た画像で推論する** ```ruby require 'httparty' require 'cgi' model_endpoint = "dataset/v" # モデルエンドポイントを設定 api_key = "" # ここに API キー 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" %} **ローカル画像での推論** ```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た画像で推論する** ```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" %} **ローカル画像での推論** ```go package main import ( "bufio" "encoding/base64" "fmt" "io/ioutil" "os" "net/http" "strings" ) func main() { api_key := "" // API キー model_endpoint := "dataset/v" // モデルエンドポイントを設定 // ディスク上のファイルを開く。 f, _ := os.Open("YOUR_IMAGE.jpg") // JPG全体をバイトスライスに読み込む。 reader := bufio.NewReader(f) content, _ := ioutil.ReadAll(reader) // base64としてエンコードする。 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た画像で推論する** ```go package main import ( "fmt" "net/http" "net/url" "io/ioutil" ) func main() { api_key := "" // API キー model_endpoint := "dataset/v" // モデルエンドポイントを設定 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" %} **ローカル画像での推論** ```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"; // モデルエンドポイントを設定 // URL を構築 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // サービスリクエストの設定 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た画像で推論する** ```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"; // モデルエンドポイントを設定 // URL を構築 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + HttpUtility.UrlEncode(imageURL); // サービスポイントの設定 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="Elixir" %} ユーザーからのリクエストに応じてコードスニペットを追加しています。Elixirアプリに推論APIを統合したい場合は、 [ここをクリックして投票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の推論ルートは `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方向の中心点 * `y` = 検出されたオブジェクトの垂直方向の中心点 * `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が正しいラベルと位置座標を持つというモデルの信頼度 * `keypoints` = keypoint予測の配列 * `x` = keypointの水平方向の中心（画像の左上隅を基準） * `y` = keypointの垂直方向の中心（画像の左上隅を基準） * `class_name` = keypointの名前 * `class_id` = keypointのID。skeleton にマップされます `vertices` バージョンレコード内で、頂点の色とskeletonのエッジをマップするために、 [Projectのバージョンを表示](/developer/rest-api/versions/view-a-version.md) * `confidence` = keypointが正しい位置にあり、表示されている（隠れていない、または削除されていない）という信頼度 REST API のレスポンスオブジェクトの例は次のとおりです： ```json { "predictions": [ { "x": 189.5, "y": 100, "width": 163, "height": 186, "class": "helmet", "confidence": 0.544, "keypoints": [ { "x": 189, "y": 20, "class_name": "top", "class_id": 0, "confidence": 0.91 }, { "x": 188, "y": 180, "class_name": "bottom", "class_id": 1, "confidence": 0.93 } ] } ], "image": { "width": 2048, "height": 1371 } } ``` この `画像` 属性には、推論に送信された画像の高さと幅が含まれます。バウンディングボックスの計算にこれらの値が必要になる場合があります。 ### Inference API のパラメータ ## 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。あるいは、次の `画像` パラメータ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に使用します。 #### パスパラメータ | 名前 | 種類 | 説明 | | ----------- | --- | -------------------------------------------------------------------------------------------------------------------------------------- | | datasetSlug | 文字列 | データセット名のURL安全な形式です。Web UIでは、メインのProjectビューのURLを見るか、モデルのトレーニング後にデータセットのバージョンのtrain resultsセクションにある「Get curl command」ボタンをクリックすると見つけられます。 | | version | 数値 | データセットのバージョンを識別するバージョン番号 | #### クエリパラメータ | 名前 | 種類 | 説明 | | ---------- | ------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 画像 | 文字列 |

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。（リクエスト本文でbase64エンコードされた画像をPOSTしない場合は必須です。）

注： URLエンコードするのを忘れないでください。

| | classes | 文字列 |

予測を特定のクラスのものだけに制限します。カンマ区切りの文字列で指定してください。

例： dog,cat

デフォルト： なし（すべてのクラスを表示）

| | overlap | 数値 |

同じクラスのバウンディングボックス予測が、1つのボックスに結合される前に重なってよい最大割合（0〜100）です。

デフォルト： 30

| | confidence | 数値 |

返される予測に対するしきい値です（0〜100）。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、より少ない高確度の予測が返されます。

デフォルト： 40

| | stroke | 数値 |

予測の周囲に表示されるバウンディングボックスの幅（ピクセル単位）。（ format は 画像).

デフォルト： 1

| | labels | boolean |

予測にテキストラベルを表示するかどうか。（ format は 画像).

デフォルト： false

| | format | 文字列 |

json - JSON予測の配列を返します。（レスポンス形式タブを参照）。
画像 - 注釈付き予測を含む画像を、 Content-Type の image/jpeg. image\_and\_json - base64のvisualizationフィールドを含むJSON予測の配列を返します。

デフォルト: json

| | api\_key | 文字列 | APIキー（workspaceのAPI設定ページから取得） | #### リクエスト本文 | 名前 | 種類 | 説明 | | -- | --- | ---------------------------------------------- | | | 文字列 | 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件のJSON形式の予測です。(x,y) はボックスの" %} ``` { "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を許可されていない場合。" %} ``` { "Message": "このリソースにアクセスする権限がありません" } ``` {% endtab %} {% endtabs %} --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## 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, and the optional `goal` query parameter: ``` GET https://docs.roboflow.com/roboflow/roboflow-jp/deploy/serverless/keypoint-detection.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.