YOLOv12

हमारे Serverless Hosted API के माध्यम से YOLOv12 object detection model का उपयोग करें

हम YOLOv12 object detection inferencing का समर्थन अपने Serverless Hosted API. YOLOv12 पाँच आकारों में समर्थित है (n, s, m, l, x) ऑब्जेक्ट डिटेक्शन कार्य के लिए।

self-hosted deployment के लिए, देखें Roboflow Inference.

Roboflow पर अपना मॉडल train करते समय YOLOv12 input size सेट की जाती है (सामान्य मान: 640x640 या 1280x1280)।

कोड नमूना

1

अपनी API Key प्राप्त करें

एक Roboflow खाता बनाएं, अपनी key यहाँ पर ढूँढें Roboflow API settings page और इसे अपने shell में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="your-key-here"

2

निर्भरताएँ इंस्टॉल करें

इंस्टॉल करें Inference SDK और supervision predictions को decode और visualize करने के लिए:

pip install inference-sdk supervision

3

मॉडल चलाएँ

यह उदाहरण एक सार्वजनिक YOLOv12 मॉडल चलाता है, जिसे एक screws dataset (screw, flat-washer, hex-nut). अपनी स्वयं की {workspace}/{model-slug} अपने प्रशिक्षित weights चलाने के लिए (देखें Versions, Trainings, and Models).

import os
import cv2
import numpy as np
import requests
import supervision as sv
from inference_sdk import InferenceHTTPClient

content = requests.get("https://media.roboflow.com/docs/bolts.jpg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer(image, model_id="erik-pe6au/bolts-uzqzc-4-yolo12s-t1")

detections = sv.Detections.from_inference(result)

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

cv2.imwrite("annotated.png", annotated)

सेट करें api_url को अपने deployment target से मिलाएँ:

• https://serverless.roboflow.com Serverless Hosted API के लिए।

• http://localhost:9001 एक local Inference server.

• आपका Dedicated Deployment एक private endpoint के लिए URL.