YOLOv9

Serverless Hosted API を通じて YOLOv9 object detection を使用します

YOLOv9 の物体検出推論を、当社の Serverless Hosted API。YOLOv9 の学習は Roboflow ではサポートされていませんが、 学習済み重みをアップロード 既存の Project に対してそれらを配信し、Serverless Hosted API 経由で提供できます。

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.

YOLOv9 の入力サイズは、Roboflow の外でモデルを学習するときに設定します（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

SDK をインストールし、 supervision デコードとアノテーション用：

pip install inference-sdk supervision

3

モデルを実行する

この例では、Roboflow の公開 YOLOv9 モデルを、 COCO (coco/18）ので、そのまま動作します。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/quickstart/traffic.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"],
)
result = client.infer(image, model_id="coco/18")

detections = sv.Detections.from_inference(result)

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