# 객체 감지 Roboflow Hosted API를 사용하여 object detection 추론을 실행하는 방법은 여러 가지가 있습니다. 여러 SDK 중 하나를 사용하거나, 호스팅된 엔드포인트로 REST 요청을 보낼 수 있습니다. {% tabs %} {% tab title="Python" %} 의존성을 설치하려면, `pip install inference-sdk`. ```python # inference-sdk import 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-players-detection-3zvbc/12") ``` {% endtab %} {% tab title="cURL" %} **Linux 또는 MacOS** 라는 로컬 파일의 JSON 예측을 가져오기 `YOUR_IMAGE.jpg`: ```bash base64 YOUR_IMAGE.jpg | curl -d @- \ "https://serverless.roboflow.com/your-model/42?api_key=YOUR_KEY" ``` URL을 통해 웹의 다른 곳에 호스팅된 이미지에 대해 추론하려면 (잊지 말고 [URL 인코딩하세요](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** 다음을 설치해야 합니다 [Windows용 curl](https://curl.se/windows/) 및 [Windows용 GNU의 base64 도구](http://gnuwin32.sourceforge.net/packages/coreutils.htm). 이를 수행하는 가장 쉬운 방법은 다음을 사용하는 것입니다 [git for Windows 설치 프로그램](https://git-scm.com/downloads) 여기에는 다음도 포함됩니다 `curl` 및 `base64` 설치 중 "Use Git and optional Unix tools from the Command Prompt"를 선택하면 명령줄 도구가 함께 설치됩니다. 그런 다음 위와 동일한 명령을 사용할 수 있습니다. {% endtab %} {% tab title="Javascript" %} **Node.js** 이 예제에서는 POST 요청을 수행하기 위해 [axios](https://github.com/axios/axios) 를 사용하므로 먼저 `npm install axios` 를 실행하여 의존성을 설치하세요. **로컬 이미지에서 추론하기** ```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); }); ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```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** 다음을 통해 디바이스에서 실시간 추론을 사용할 수 있습니다 `roboflow.js`; 다음을 참조하세요 [여기의 문서](/roboflow/roboflow-ko/deploy/sdks/web-browser.md). {% endtab %} {% tab title="Swift/iOS" %} **Swift** **로컬 이미지에서 추론하기** ```swift import UIKit // 이미지를 불러와 Base64로 변환 let image = UIImage(named: "your-image-path") // 업로드할 이미지 경로 예: image.jpg let imageData = image?.jpegData(compressionQuality: 1) let fileContent = imageData?.base64EncodedString() let postData = fileContent!.data(using: .utf8) // API_KEY, Model, Model Version로 Inference Server 요청 초기화 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 요청 실행 URLSession.shared.dataTask(with: request, completionHandler: { data, response, error in // 응답을 문자열로 파싱 guard let data = data else { print(String(describing: error)) return } // 응답 문자열을 Dictionary로 변환 do { let dict = try JSONSerialization.jsonObject(with: data, options: []) as? [String: Any] } catch { print(error.localizedDescription) } // 문자열 응답 출력 print(String(data: data, encoding: .utf8)!) }).resume() ``` **Objective C** [Objective-C 스니펫을 요청하려면 여기를 클릭하세요.](https://app.roboflow.com/request/snippet.inference-objc) {% endtab %} {% tab title="Android" %} **Kotlin** **로컬 이미지에서 추론하기** ```kotlin import java.io.* import java.net.HttpURLConnection import java.net.URL import java.nio.charset.StandardCharsets import java.util.* fun main() { // 이미지 경로 가져오기 val filePath = System.getProperty("user.dir") + System.getProperty("file.separator") + "YOUR_IMAGE.jpg" val file = File(filePath) // Base 64 인코딩 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 = "" // Your API Key val MODEL_ENDPOINT = "dataset/v" // 모델 엔드포인트 설정 (Dataset URL에서 찾을 수 있음) // URL 구성 val uploadURL ="https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // Http 요청 var connection: HttpURLConnection? = null try { // URL에 대한 연결 구성 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 // 요청 전송 val wr = DataOutputStream( connection.outputStream) wr.writeBytes(encodedFile) wr.close() // 응답 가져오기 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() ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```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" // 이미지 URL로 교체 val API_KEY = "" // Your API Key val MODEL_ENDPOINT = "dataset/v" // 모델 엔드포인트 설정 // 업로드 URL val uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + URLEncoder.encode(imageURL, "utf-8"); // Http 요청 var connection: HttpURLConnection? = null try { // URL에 대한 연결 구성 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 // 요청 전송 val wr = DataOutputStream(connection.outputStream) wr.writeBytes(uploadURL) wr.close() // 응답 가져오기 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** **로컬 이미지에서 추론하기** ```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 { // 이미지 경로 가져오기 String filePath = System.getProperty("user.dir") + System.getProperty("file.separator") + "YOUR_IMAGE.jpg"; File file = new File(filePath); // Base 64 인코딩 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 = ""; // Your API Key String MODEL_ENDPOINT = "dataset/v"; // 모델 엔드포인트 // URL 구성 String uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // Http 요청 HttpURLConnection connection = null; try { // URL에 대한 연결 구성 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); // 요청 전송 DataOutputStream wr = new DataOutputStream(connection.getOutputStream()); wr.writeBytes(encodedFile); wr.close(); // 응답 가져오기 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(); } } } } ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```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"; // 이미지 URL로 교체 String API_KEY = ""; // Your API Key String MODEL_ENDPOINT = "dataset/v"; // 모델 엔드포인트 // 업로드 URL String uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + URLEncoder.encode(imageURL, StandardCharsets.UTF_8); // Http 요청 HttpURLConnection connection = null; try { // URL에 대한 연결 구성 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); // 요청 전송 DataOutputStream wr = new DataOutputStream(connection.getOutputStream()); wr.writeBytes(uploadURL); wr.close(); // 응답 가져오기 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 %} **로컬 이미지에서 추론하기** ```ruby require 'base64' require 'httparty' encoded = Base64.encode64(File.open("YOUR_IMAGE.jpg", "rb").read) model_endpoint = "dataset/v" # 모델 엔드포인트 설정 api_key = "" # 여기에 API KEY 입력 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 ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```ruby require 'httparty' require 'cgi' model_endpoint = "dataset/v" # 모델 엔드포인트 설정 api_key = "" # 여기에 API KEY 입력 img_url = "https://i.imgur.com/PEEvqPN.png" # URL 구성 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" %} **로컬 이미지에서 추론하기** ```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; ?> ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```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" %} **로컬 이미지에서 추론하기** ```go package main import ( "bufio" "encoding/base64" "fmt" "io/ioutil" "os" "net/http" "strings" ) func main() { api_key := "" // Your API Key model_endpoint := "dataset/v" // 모델 엔드포인트 설정 // 디스크에서 파일 열기. f, _ := os.Open("YOUR_IMAGE.jpg") // 전체 JPG를 바이트 슬라이스로 읽기. reader := bufio.NewReader(f) content, _ := ioutil.ReadAll(reader) // base64로 인코딩. 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)) } ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```go package main import ( "fmt" "net/http" "net/url" "io/ioutil" ) func main() { api_key := "" // Your API Key model_endpoint := "dataset/v" // 모델 엔드포인트 설정 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" %} **로컬 이미지에서 추론하기** ```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 = ""; // Your API Key string MODEL_ENDPOINT = "dataset/v"; // 모델 엔드포인트 설정 // URL 구성 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // 서비스 요청 구성 ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; // 요청 구성 WebRequest request = WebRequest.Create(uploadURL); request.Method = "POST"; request.ContentType = "application/x-www-form-urlencoded"; request.ContentLength = data.Length; // 데이터 쓰기 using (Stream stream = request.GetRequestStream()) { stream.Write(data, 0, data.Length); } // 응답 가져오기 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); } } } ``` **URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하기** ```csharp using System; using System.IO; using System.Net; using System.Web; namespace InferenceHosted { class InferenceHosted { static void Main(string[] args) { string API_KEY = ""; // Your API Key string imageURL = "https://i.ibb.co/jzr27x0/YOUR-IMAGE.jpg"; string MODEL_ENDPOINT = "dataset/v"; // 모델 엔드포인트 설정 // URL 구성 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + HttpUtility.UrlEncode(imageURL); // Service Point 구성 ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; // Http 요청 구성 WebRequest request = WebRequest.Create(uploadURL); request.Method = "POST"; request.ContentType = "application/x-www-form-urlencoded"; request.ContentLength = 0; // 응답 가져오기 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="더보기" %} {% hint style="info" %} AI 기반 챗봇 Lenny에게 코드 샘플을 만들어 달라고 요청해 보세요! {% endhint %} {% endtab %} {% endtabs %} ## API Reference ### URL `POST` `https://serverless.roboflow.com/:projectId/:versionNumber`
이름유형설명
projectIdstringdataset 이름의 URL-safe 버전입니다. 모델을 학습한 후 데이터셋 버전의 train 결과 섹션에서 "Get curl command" 버튼을 클릭하거나, 메인 project 보기의 URL을 확인하면 web UI에서 찾을 수 있습니다.
versionnumber데이터셋의 버전을 식별하는 버전 번호
{% hint style="info" %} project ID와 version number를 얻는 방법 보기 [여기](https://docs.roboflow.com/api-reference/workspace-and-project-ids#how-to-retrieve-a-project-id-and-version-number). {% endhint %} REST 요청을 통해 Serverless Hosted API로 이미지를 보내는 방법은 두 가지가 있습니다: * 다음을 첨부하기 `base64` 인코딩된 이미지를 `POST` request body에 * 다음을 사용하여 이미지 파일의 URL을 보내기 `image` URL query * 예: `https://serverless.roboflow.com/:datasetSlug/:versionNumber?image=https://imageurl.com` #### Query Parameters
이름유형설명
imagestring호스팅된 이미지의 URL. 이미지가 다른 곳에 호스팅된 경우 사용합니다. (request body에 base64 인코딩 이미지를 POST하지 않는 경우 필요합니다.)

참고: URL 인코딩을 잊지 마세요.
classesstring예측을 특정 클래스에만 제한합니다. 쉼표로 구분된 문자열로 제공하세요.

예: dog,cat

기본값: 없음(모든 클래스 표시)
overlapnumber

같은 클래스의 bounding box 예측이 하나의 box로 합쳐지기 전에 서로 겹칠 수 있는 최대 비율(0~100 범위)입니다.

기본값: 30

이 매개변수는 RF-DETR 모델에는 영향을 주지 않습니다.

confidencenumber

반환되는 예측의 임계값으로, 0~100 범위입니다. 숫자가 낮을수록 더 많은 예측이 반환됩니다. 숫자가 높을수록 더 적은 고신뢰 예측이 반환됩니다.

기본값: 40

strokenumber

예측 주위에 표시되는 bounding box의 너비(픽셀 단위)입니다(다음 경우에만 효과가 있습니다 format 입니다 image).

기본값: 1

라벨불리언

예측에 텍스트 라벨을 표시할지 여부(다음의 경우에만 효과가 있음 format 입니다 image).

기본값: false

formatstring

옵션:

  • json: JSON 예측 배열을 반환합니다. (응답 형식 탭 참조).
  • image: 주석이 추가된 예측이 포함된 이미지를 바이너리 blob으로 반환합니다. Content-Type 의 image/jpeg.

기본값: json

api_keystring여러분의 API 키(Workspace API 설정 페이지에서 획득)
### 요청 본문
유형설명
stringbase64로 인코딩된 이미지입니다. (쿼리 매개변수에 이미지 URL을 전달하지 않는 경우 필요).
콘텐츠 타입은 다음이어야 합니다 `application/x-www-form-urlencoded` 문자열 본문과 함께. ## 응답 형식 호스팅된 API inference endpoint와 대부분의 SDK는 다음을 반환합니다. `JSON` 예측 배열을 포함하는 object입니다. 각 예측에는 다음 속성이 있습니다: * `x` = 감지된 객체의 가로 중심점 * `y` = 감지된 객체의 세로 중심점 * `width` = bounding box의 너비 * `height` = bounding box의 높이 * `class` = 감지된 객체의 class label * `confidence` = 감지된 객체의 라벨과 위치 좌표가 올바르다는 모델의 신뢰도 다음은 REST API의 예시 응답 object입니다: ```json { "predictions": [ { "x": 189.5, "y": 100, "width": 163, "height": 186, "class": "helmet", "confidence": 0.544 } ], "image": { "width": 2048, "height": 1371 } } ``` 해당 `image` 속성에는 inference에 전송된 이미지의 높이와 너비가 포함됩니다. bounding box 계산에 이 값들을 사용해야 할 수 있습니다. ## Inference API JSON 출력에서 Box 그리기 bounding box를 렌더링하는 프레임워크와 패키지는 위치 형식이 다를 수 있습니다. 응답 `JSON` object의 속성을 보면, 다음 규칙의 일부 조합을 사용해 항상 bounding box를 그릴 수 있습니다: * 중심점은 항상 (`x`,`y`) * 모서리 점들 `(x1, y1)` 및 `(x2, y2)` 다음과 같이 구할 수 있습니다: * `x1` = `x - (width/2)` * `y1` = `y - (height/2)` * `x2` = `x + (width/2)` * `y2` = `y + (height/2)` 모서리 점 방식은 일반적인 패턴이며 다음과 같은 라이브러리에서 볼 수 있습니다. `Pillow` 다음을 만들 때 `box` object를 생성하여 내부의 bounding box를 렌더링할 때 `Image`. 작업할 때 찾은 모든 detection을 반복 처리하는 것을 잊지 마세요 `predictions`! ```python # Pillow 라이브러리의 예시 box object for bounding_box in detections: x1 = bounding_box['x'] - bounding_box['width'] / 2 x2 = bounding_box['x'] + bounding_box['width'] / 2 y1 = bounding_box['y'] - bounding_box['height'] / 2 y2 = bounding_box['y'] + bounding_box['height'] / 2 box = (x1, x2, y1, y2) ``` --- # 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-ko/deploy/serverless/object-detection.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.