Model API Endpoint を使用する

ハードウェアのセットアップなしで、5 分以内に Roboflow のクラウド GPU 上でモデルを実行できます。

その Serverless Hosted API Roboflow のクラウド上の GPU でモデルと Workflows を実行します。画像を送信すると結果が返ってきます。セットアップするハードウェアも、稼働し続けるサーバーも必要ありません。

このガイドでは、何もない状態から5分でモデルを実行するところまで進めます。名前を付けるだけで画像内のオブジェクトを見つけ、既製モデルで日常的なオブジェクトを検出し、自分のモデルも実行できます。すべて同じ Serverless API エンドポイントに対して行います。

名前を指定してオブジェクトを見つける

モデルに次のような単語をいくつか与えます 「taxi」, 「青いバス」、または 「茂み」 すると、画像内の一致するオブジェクトすべてを輪郭で囲みます。最初にセットアップや学習は不要です。これは動作します SAM3.

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"

依存関係をインストールする

supervision を取り込みます cv2 と numpy:

pip install supervision

モデルを実行する

次の宛先に POST リクエストを送信します /sam3/concept_segment モデルを実行します。 sv.Detections.from_sam3 それらの結果を次の形式に変換します supervision を描画できます:

import os
import base64
import cv2
import requests
import supervision as sv
import numpy as np

content = requests.get("https://media.roboflow.com/quickstart/traffic.jpg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)
image_b64 = base64.b64encode(content).decode("utf-8")
h, w = image.shape[:2]

response = requests.post(
    "https://serverless.roboflow.com/sam3/concept_segment",
    params={"api_key": os.environ["ROBOFLOW_API_KEY"]},
    json={
        "image": {"type": "base64", "value": image_b64},
        "prompts": [
            {"type": "text", "text": "タクシー"},
            {"type": "text", "text": "青いバス"},
            {"type": "text", "text": "茂み"},
        ],
    },
)

detections = sv.Detections.from_sam3(response.json(), (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
cv2.imwrite("sam3.jpg", annotated)

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"

依存関係をインストールする

これら2つのパッケージは、モデルを呼び出し、その結果を描画します：

pip install inference-sdk supervision

モデルを実行する

その Inference SDK 画像をクラウドに送信し、結果を返します。 sv.Detections.from_sam3 それらの結果を次の形式に変換します supervision を描画できます:

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)
h, w = image.shape[:2]

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

data = client.sam3_concept_segment(
    image,
    prompts=[
        {"type": "text", "text": "タクシー"},
        {"type": "text", "text": "青いバス"},
        {"type": "text", "text": "茂み"},
    ],
)

detections = sv.Detections.from_sam3(data, (w, h))
annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.BoxAnnotator().annotate(annotated, detections)
cv2.imwrite("sam3.jpg", annotated)

レスポンスには、各プロンプトごとに見つかった輪郭が一覧表示され、それぞれに信頼スコアが付いています。 sv.Detections.from_sam3 それらをすべて読み取ってくれます。

Outlines around taxis, a blue bus, and bushes from text prompts

visual prompts、exemplar boxes、RLE 出力を含む完全な SAM3 API については、 SAM3 ドキュメント.

既製モデルで日常的なオブジェクトを検出する

名前付きの対象を輪郭で囲む代わりに、一般的なオブジェクトの周囲にボックスを描画するには、 POST /{project}/{version} モデル ID を指定して、 POST /sam3/concept_segment。この例では既製の RF-DETR モデルを使用します。このモデルは、車両、人、ペットなどの一般的なオブジェクトを検出できます:

result = requests.post(
    "https://serverless.roboflow.com/coco/40",  # coco/40 は rfdetr-medium のエイリアスです
    params={"api_key": os.environ["ROBOFLOW_API_KEY"]},
    data=image_b64,  # ボディ内の生の base64 で、JSON ではありません
    headers={"Content-Type": "application/x-www-form-urlencoded"},
).json()
detections = sv.Detections.from_inference(result)

print(f"{len(detections)}個のオブジェクトを検出しました")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)

名前付きの対象を輪郭で囲む代わりに、一般的なオブジェクトの周囲にボックスを描画するには、 client.infer() モデル ID を指定して、 client.sam3_concept_segment()。この例では既製の RF-DETR モデルを使用します。このモデルは、車両、人、ペットなどの一般的なオブジェクトを検出できます:

result = client.infer(image, model_id="rfdetr-medium")
detections = sv.Detections.from_inference(result)

print(f"{len(detections)}個のオブジェクトを検出しました")

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("rf-detr.jpg", annotated)

RF-DETR bounding boxes for cars, buses, people, and motorcycles

独自のモデルや別のモデルを実行する

同じ client.infer() または POST /{project}/{version} 呼び出しで、任意のモデルをその model_id:

Roboflow で学習させたモデル。モデル ID {project}/{version}）を、次のプロジェクトからコピーします： Roboflow app
次の公開モデル Roboflow Universe
既製の事前学習済みモデルを、次のようなエイリアスで rfdetr-nano, rfdetr-seg-medium、または yolo26l-640 (推論 SDK のみ)

次に進む場所

クラウド上でモデルを実行しています。ここから次のことができます:

同じモデルを自分のハードウェアで実行する。参照 Run a Model Locally
大規模モデルと安定したトラフィック向けに、プライベートなシングルテナントのエンドポイントを取得するには Dedicated Deployments
モデルとロジックをアプリケーションに連結するには Workflows
各リクエストのコストを、で把握する Serverless pricing page

前へRoboflow ドキュメント次へローカルでモデルを実行する

最終更新 11 日前

役に立ちましたか？