इंस्टेंस सेगमेंटेशन

रोबोफ्लो पर होस्ट किए गए इंस्टेंस वर्गीकरण मॉडल्स पर इनफेरेंस चलाएँ।

Linux या MacOS

एक लोकल फाइल के लिए JSON प्रेडिक्शन प्राप्त करना जिसका नाम है YOUR_IMAGE.jpg:

base64 YOUR_IMAGE.jpg | curl -d @- \
"https://outline.roboflow.com/your-model/42?api_key=YOUR_KEY"

वेब पर कहीं और होस्ट की गई इमेज पर उसके URL के माध्यम से इंफर करना (ना भूलें कि URL को एन्कोड करें):

curl -X POST "https://outline.roboflow.com/your-model/42?\
api_key=YOUR_KEY&\
image=https%3A%2F%2Fi.imgur.com%2FPEEvqPN.png"

Windows

आपको इंस्टॉल करना होगा Windows के लिए curl और Windows के लिए GNU का base64 टूल। इसे करने का सबसे आसान तरीका है Windows के लिए git इंस्टॉलर जो साथ में curl और base64 कमांड लाइन टूल्स भी देता है जब आप इंस्टॉलेशन के दौरान "Use Git and optional Unix tools from the Command Prompt" चुनते हैं।

फिर आप ऊपर दिए गए वही कमांड्स इस्तेमाल कर सकते हैं।

रिस्पॉन्स ऑब्जेक्ट प्रारूप

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

  • x = डिटेक्टेड ऑब्जेक्ट का क्षैतिज केंद्र बिंदु

  • y = डिटेक्टेड ऑब्जेक्ट का ऊर्ध्वाधर केंद्र बिंदु

  • width = bounding box की चौड़ाई

  • height = bounding box की ऊँचाई

  • class = डिटेक्टेड ऑब्जेक्ट का class लेबल

  • confidence = मॉडल का confidence कि डिटेक्टेड ऑब्जेक्ट का लेबल और पोजिशन सही है

  • बिंदु = उस बहुभुज रूपरेखा के बिंदुओं की सूची जो वस्तु की रूपरेखा बनाते हैं - सूची में प्रत्येक आइटम एक वस्तु है जिसमें कुंजी होती हैं x और y बिंदु के क्षैतिज और ऊर्ध्वाधर निर्देशांक के लिए क्रमशः

// एक उदाहरण JSON ऑब्जेक्ट
{
  "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 Reference

Inference API का उपयोग करना

POST https://outline.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 पर URL देखकर या अपने मॉडल को ट्रेन करने के बाद अपने डेटासेट संस्करण के ट्रेन परिणाम अनुभाग में "Get curl command" बटन पर क्लिक करके पा सकते हैं।

version

number

आपके डेटासेट के वर्शन की पहचान करने वाला वर्शन नंबर

क्वेरी पैरामीटर

नाम
प्रकार
विवरण

इमेज

string

जोड़ने के लिए इमेज का URL। उपयोग करें यदि आपकी इमेज कहीं और होस्ट की गई है। (आवश्यक जब आप अनुरोध बॉडी में base64 एन्कोडेड इमेज POST नहीं करते हैं।) नोट: ना भूलें कि इसे URL-encode करें।

overlap

number

अधिकतम प्रतिशत (0-100 के पैमाने पर) जितना bounding box prediction एक ही class के allowed हैं ओवरलैप करने के लिए, इससे पहले कि उन्हें एक बॉक्स में मिला दिया जाए। Default: 30

confidence

number

रिटर्न किए गए प्रेडिक्शन के लिए थ्रेशहोल्ड (0-100 के पैमाने पर)। कम नंबर अधिक prediction लौटाएगा। अधिक नंबर कम लेकिन अधिक निश्चितता वाले prediction लौटाएगा। Default: 40

api_key

string

आपका API key (आपके workspace API settings पेज से प्राप्त)

रिक्वेस्ट बॉडी

नाम
प्रकार
विवरण

string

एक base64 एन्कोडेड इमेज। (आवश्यक जब आप query parameters में इमेज URL पास नहीं करते हैं)।

{
    "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
    }]
}

Last updated

Was this helpful?