YOLOv7

Serverless Hosted API を通じて YOLOv7 instance segmentation を使用します

当社のサービスを通じてYOLOv7のインスタンスセグメンテーション推論をサポートしています Serverless Hosted API。RoboflowではYOLOv7の学習はサポートされていませんが、 独自の重みをアップロードできます それらに対して推論を実行できます。

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.

YOLOv7の入力サイズは、Roboflowの外部でモデルを学習する際に設定します（一般的な値: 640x640 または 1280x1280）。

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

Inference SDKをインストールし、 supervision マスクのデコードと描画に使用します:

pip install inference-sdk supervision opencv-python

3

モデルを実行する

この例では、次で学習された公開YOLOv7インスタンスセグメンテーションモデルを実行します コンクリート表面の欠陥 (concrete-pugqq/3）を実行し、その後 supervision を使って予測マスクを描画します。独自の重みを提供するには、あなたの {workspace}/{model-slug} ID で呼び出すことができます（ 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/concrete-crack.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="concrete-pugqq/3")

detections = sv.Detections.from_inference(results)

annotated = sv.MaskAnnotator().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。