वर्गीकरण

रोबोफ्लो पर होस्ट किए गए वर्गीकरण मॉडल्स पर इनफेरेंस चलाएँ।

Python

स्थानीय और होस्टेड छवियों पर अनुमान लगाएँ

डिपेंडेंसी इंस्टॉल करने के लिए, pip install inference-sdk.

from inference_sdk import InferenceHTTPClient

CLIENT = InferenceHTTPClient(
    api_url="https://classify.roboflow.com",
    api_key="API_KEY"
)

result = CLIENT.infer(your_image.jpg, model_id="vehicle-classification-eapcd/2")

Javascript

Node.js

हम उपयोग करते हैं axios POST अनुरोध करने के लिए इस उदाहरण में, इसलिए पहले चलाएं npm install axios डिपेंडेंसी इंस्टॉल करने के लिए।

लोकल इमेज पर इंफर करना

const axios = require("axios");
const fs = require("fs");

const image = fs.readFileSync("YOUR_IMAGE.jpg", {
    encoding: "base64"
});

axios({
    method: "POST",
    url: "https://classify.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);
});

Swift

base64 का उपयोग करके स्थानीय छवि अपलोड करना

import UIKit

// इमेज लोड करें और Base64 में बदलें
let image = UIImage(named: "your-image-path") // अपलोड करने के लिए इमेज का पथ, उदाहरण: image.jpg
let imageData = image?.jpegData(compressionQuality: 1)
let fileContent = imageData?.base64EncodedString()
let postData = fileContent!.data(using: .utf8)

// API_KEY, Model, और Model Version के साथ Inference Server Request इनिशियलाइज़ करें
var request = URLRequest(url: URL(string: "https://classify.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

// पोस्ट अनुरोध निष्पादित करें
URLSession.shared.dataTask(with: request, completionHandler: { data, response, error in
    
    // रिस्पॉन्स को स्ट्रिंग में पार्स करें
    guard let data = data else {
        print(String(describing: error))
        return
    }
    
    // रिस्पॉन्स स्ट्रिंग को डिक्शनरी में बदलें
    do {
        let dict = try JSONSerialization.jsonObject(with: data, options: []) as? [String: Any]
    } catch {
        print(error.localizedDescription)
    }
    
    // स्ट्रिंग रिस्पॉन्स प्रिंट करें
    print(String(data: data, encoding: .utf8)!)
}).resume()

प्रतिक्रिया ऑब्जेक्ट प्रारूप

Single-Label Classification

Single-Label Classification

होस्टेड API अनुमान मार्ग एक JSON ऑब्जेक्ट जिसमें prediction की array होती है। हर prediction में निम्नलिखित properties होती हैं:

• time = छवि को प्रोसेस करने और भविष्यवाणियाँ लौटाने में कुल समय, सेकंड में

• इमेज = एक ऑब्जेक्ट जिसमें छवि के बारे में जानकारी होती है width और height

  • width भविष्यवाणी की गई छवि की ऊँचाई

  • height = भविष्यवाणी की गई छवि की ऊँचाई

• predictions = सभी भविष्यवाणी की गई श्रेणियों और उनके संबंधित विश्वास मानों का संग्रह

  • class = वर्गीकरण का लेबल

  • confidence = मॉडल का विश्वास कि छवि में पहचानी गई श्रेणी की वस्तुएँ हैं

• शीर्ष = सबसे अधिक विश्वास के साथ भविष्यवाणी की गई श्रेणी

• confidence = सबसे अधिक भविष्यवाणी किया गया विश्वास स्कोर

• image_path = भविष्यवाणी की गई छवि का पथ

• prediction_type = अनुमान लगाने के लिए उपयोग किया गया मॉडल प्रकार, ClassificationModel इस मामले में

// एक उदाहरण JSON ऑब्जेक्ट
{
  "time": 0.19064618100037478,
  "image": {
    "width": 210,
    "height": 113
  },
  "predictions": [
    {
      "class": "real-image",
      "confidence": 0.7149
    },
    {
      "class": "illustration",
      "confidence": 0.2851
    }
  ],
  "top": "real-image",
  "confidence": 0.7149,
  "image_path": "/cropped-images-1.jpg",
  "prediction_type": "ClassificationModel"
}

Multi-Label Classification

Multi-Label Classification

होस्टेड API अनुमान मार्ग एक JSON ऑब्जेक्ट जिसमें prediction की array होती है। हर prediction में निम्नलिखित properties होती हैं:

• time = छवि को प्रोसेस करने और भविष्यवाणियाँ लौटाने में कुल समय, सेकंड में

• इमेज = एक ऑब्जेक्ट जिसमें छवि के बारे में जानकारी होती है width और height

  • width भविष्यवाणी की गई छवि की ऊँचाई

  • height = भविष्यवाणी की गई छवि की ऊँचाई

• predictions = सभी भविष्यवाणी की गई श्रेणियों और उनके संबंधित विश्वास मानों का संग्रह

  • class = वर्गीकरण का लेबल

  • confidence = मॉडल का विश्वास कि छवि में पहचानी गई श्रेणी की वस्तुएँ हैं

• predicted_classes = एक ऐरे जिसमें मॉडल भविष्यवाणियों में लौटाई गई सभी श्रेणियों (लेबल/क्लास) की सूची होती है

• image_path = भविष्यवाणी की गई छवि का पथ

• prediction_type = अनुमान लगाने के लिए उपयोग किया गया मॉडल प्रकार, ClassificationModel इस मामले में

// एक उदाहरण JSON ऑब्जेक्ट
{
  "time": 0.19291414400004214,
  "image": {
    "width": 113,
    "height": 210
  },
  "predictions": {
    "dent": {
      "confidence": 0.5253503322601318
    },
    "severe": {
      "confidence": 0.5804202556610107
    }
  },
  "predicted_classes": [
    "dent",
    "severe"
  ],
  "image_path": "/car-model-343.jpg",
  "prediction_type": "ClassificationModel"
}

API Reference

Inference API का उपयोग करना

POST https://classify.roboflow.com/:datasetSlug/:versionNumber

आप अपनी model endpoint पर सीधे base64 एन्कोडेड इमेज POST कर सकते हैं। या यदि आपकी इमेज पहले से कहीं और होस्टेड है, तो आप URL को इमेज query string में parameter के रूप में पास कर सकते हैं।

पाथ पैरामीटर्स

नाम	प्रकार	विवरण
datasetSlug	string	डेटासेट नाम का url-safe संस्करण। आप इसे वेब UI में मुख्य प्रोजेक्ट दृश्य के URL में देख सकते हैं।
	string	आपके डेटासेट के संस्करण की पहचान करने वाला संस्करण नंबर।

क्वेरी पैरामीटर

नाम	प्रकार	विवरण
api_key	string	आपका API key (आपके workspace API settings पेज से प्राप्त)

200: ठीक है

{
   "predictions":{
      "bird":{
         "confidence":0.5282308459281921
      },
      "cat":{
         "confidence":0.5069406032562256
      },
      "dog":{
         "confidence":0.49514248967170715
      }
   },
   "predicted_classes":[
      "bird",
      "cat"
   ]
}

403: निषिद्ध

{
   "message":"निषिद्ध"
}j