# Keypoint Detection {% tabs %} {% tab title="Python" %} Python を使用してホストされた API 経由で推論を実行するには、 `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).model # ローカル画像で推論 print(model.predict("your_image.jpg", confidence=40, overlap=30).json()) # 予測を可視化 # model.predict("your_image.jpg", confidence=40, overlap=30).save("prediction.jpg") # 別の場所でホストされている画像で推論 # print(model.predict("URL_OF_YOUR_IMAGE", hosted=True, confidence=40, overlap=30).json()) ``` {% endtab %} {% tab title="cURL" %} **Linux または MacOS** という名前の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://detect.roboflow.com/your-model/42?api_key=YOUR_KEY" ``` Web 上の別の場所にホストされている画像を、その URL 経由で推論する場合（忘れずに [URL エンコードしてください](https://www.urlencoder.org/)): ```bash curl -X POST "https://detect.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 curl](https://curl.se/windows/) および [Windows 用 GNU の base64 ツール](http://gnuwin32.sourceforge.net/packages/coreutils.htm)。最も簡単な方法は、 [Windows 用 git インストーラー](https://git-scm.com/downloads) を使用することです。これには、 `curl` および `base64` インストール時に「コマンド プロンプトから Git とオプションの Unix ツールを使用する」を選択すると、コマンドラインツールも含まれます。 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ます。 **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://detect.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ている画像での推論** ```javascript const axios = require("axios"); axios({ method: "POST", url: "https://detect.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** roboflow\.js 経由で、デバイス上のリアルタイム推論が利用可能です。 `roboflow.js`; こちらの [ドキュメントをご覧ください](/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、Model、Model Version を指定して Inference Server リクエストを初期化 var request = URLRequest(url: URL(string: "https://detect.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 Dictionary 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 の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 = "" // あなたの API キー val MODEL_ENDPOINT = "dataset/v" // Model endpoint を設定（Dataset URL にあります） // URL を構築 val uploadURL ="https://detect.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ている画像での推論** ```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 val API_KEY = "" // あなたの API キー val MODEL_ENDPOINT = "dataset/v" // Model endpoint を設定 // アップロード URL val uploadURL = "https://detect.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 = ""; // あなたの API キー String MODEL_ENDPOINT = "dataset/v"; // model endpoint // URL を構築 String uploadURL = "https://detect.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ている画像での推論** ```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 String API_KEY = ""; // あなたの API キー String MODEL_ENDPOINT = "dataset/v"; // model endpoint // アップロード URL String uploadURL = "https://detect.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" # model endpoint を設定 api_key = "" # ここに API キー params = "?api_key=" + api_key + "&name=YOUR_IMAGE.jpg" response = HTTParty.post( "https://detect.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ている画像での推論** ```ruby require 'httparty' require 'cgi' model_endpoint = "dataset/v" # model endpoint 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://detect.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ている画像での推論** ```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 := "" // あなたの API キー model_endpoint := "dataset/v" // model endpoint 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 byte slice に読み込む。 reader := bufio.NewReader(f) content, _ := ioutil.ReadAll(reader) // base64 としてエンコード。 data := base64.StdEncoding.EncodeToString(content) uploadURL := "https://detect.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ている画像での推論** ```go package main import ( "fmt" "net/http" "net/url" "io/ioutil" ) func main() { api_key := "" // あなたの API キー model_endpoint := "dataset/v" // model endpoint を設定 img_url := "https://i.ibb.co/jzr27x0/YOUR-IMAGE.jpg" uploadURL := "https://detect.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"; // model endpoint を設定 // URL を構築 string uploadURL = "https://detect.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ている画像での推論** ```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"; // model endpoint を設定 // URL を構築 string uploadURL = "https://detect.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。Inference APIをElixirアプリに統合したい場合は、ぜひ [ここをクリックして賛成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。各予測には以下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に正しいラベルと位置座標が付いているというモデルの信頼度 * `keypoints` = keypoint 予測の配列 * `x` = keypoint の水平中心（画像の左上隅を基準） * `y` = keypoint の垂直中心（画像の左上隅を基準） * `class_name` = keypoint の名前 * `class_id` = keypoint の ID、skeleton に対応 `vertices` version record で、頂点の色と skeleton のエッジをマッピングするために、 [Project Version 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 からのレスポンスオブジェクトの例を以下に示します: ```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 } } ``` その `image` 属性には、推論に送信された画像の高さと幅が含まれています。バウンディングボックスの計算にこれらの値を使用する必要がある場合があります。 ### 推論 API パラメータ ## Inference APIの使用 `POST` `https://detect.roboflow.com/:datasetSlug/:versionNumber` base64エンコードされた画像を直接モデルのエンドポイントにPOSTできます。または、画像がすでに別の場所でホストされている場合は、クエリ文字列の `image` パラメータとしてURLを渡すこともできます。 #### パスパラメータ | Name | 種類 | 説明 | | ----------- | ------ | ------------------------------------------------------------------------------------------------------------------------------------------------- | | datasetSlug | string | データセット名の URL セーフ版です。モデルの学習後、Dataset の version の train results セクションにあるメインの project view の URL を見るか、「Get curl command」ボタンをクリックすると、Web UI で見つけられます。 | | version | number | 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 | Name | 種類 | 説明 | | ---------- | ------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | image | string |

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。（リクエスト本文に 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 | string |

予測を特定のクラスのみに制限します。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 | number |

同じクラスの bounding box 予測が 1 つの box にまとめられる前に重なってよい最大割合（0〜100 の尺度）。

デフォルト: 30

| | confidence | number |

返される予測のしきい値（0〜100）。数値が低いほどより多くの予測が返り、数値が高いほど確信度の高い予測のみが少なく返されます。

デフォルト: 40

| | stroke | number |

予測の周囲に表示される bounding box の太さ（ピクセル単位）（ format が image).

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 が image).

デフォルト: false

| | format | string |

json - JSON 予測の配列を返します。（response format タブを参照）。
image - 注釈付き予測を含む画像を、binary blob として返します。 Content-Type が image/jpeg. image\_and\_json - 可視化フィールドを base64 で含む JSON 予測の配列を返します。

デフォルト: json

| | api\_key | string | あなたの API キー（workspace の API settings ページで取得） | #### リクエストボディ | Name | 種類 | 説明 | | ---- | ------ | ------------------------------------------------- | | | string | 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 JSON形式の予測。(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": "このリソースへのアクセスは許可されていません" } ``` {% endtab %} {% endtabs %} --- # 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-jp/deploy/serverless/keypoint-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.