YOLOLite

Serverless Hosted API を通じて YOLOlite モデルファミリーを使用します

YOLOlite は、低レイテンシーのデプロイとエッジハードウェア向けに設計された、Roboflow の軽量な物体検出モデルファミリーです。YOLOlite は a Project Roboflow で学習し、私たちの Serverless Hosted API.

セルフホスト型デプロイについては、こちらを参照してください Roboflow Inference.

YOLOlite の入力サイズは、Roboflow 上での学習時に設定されます。

利用可能なバリアント

YOLOlite には 2 つのスケーリングファミリーがあります。標準セットとエッジ最適化セットです。各セットは 5 つのサイズで利用できます。

ファミリー	バリアント
標準	yololite-n, yololite-s, yololite-m, yololite-l, yololite-xl
エッジ	yololite-edge-n, yololite-edge-s, yololite-edge-m, yololite-edge-l, yololite-edge-xl

学習済みモデルはその後 Serverless Hosted API から提供され、そこでモデルごとの {workspace}/{model-slug} ID で呼び出すことができます（ Versions, Trainings, and Models).

コードサンプル

1

API Key を取得する

Roboflow アカウントを作成し、キーを次の場所で見つけます Roboflow API 設定ページ そしてシェルで利用できるようにします:

export ROBOFLOW_API_KEY="your-key-here"

2

依存関係をインストールする

次をインストールします: Inference SDK と supervision:

pip install inference-sdk supervision

3

モデルを実行する

この例では、a で学習された公開 YOLOlite モデルを実行します screws データセット (screw, flat-washer, hex-nut)。ご自身の {workspace}/{model-slug} を差し替えて、学習済み重みを実行してください。

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"],
)
results = client.infer(image, model_id="erik-pe6au/rf-bolts-4-yololite-s-t1")

detections = sv.Detections.from_inference(results)

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

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

設定する api_url をデプロイ先に合わせてください:

• https://serverless.roboflow.com Serverless Hosted API 用。

• http://localhost:9001 ローカルの Inference サーバー用。

• あなたの Dedicated Deployment プライベートエンドポイントの URL。