> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/roboflow/roboflow-ko/deploy/serverless/keypoint-detection.md). # Keypoint Detection {% tabs %} {% tab title="Python" %} 호스팅된 API를 사용하여 Python으로 추론을 실행하려면 다음을 사용하세요: `roboflow` Python 패키지: ```python from roboflow import Roboflow rf = Roboflow(api_key="API_KEY") project = rf.workspace().project("MODEL_ENDPOINT") model = project.version(VERSION).models()[0] # 로컬 이미지에서 추론 print(model.predict("your_image.jpg", confidence=40, overlap=30).json()) # 예측 시각화 # model.predict("your_image.jpg", confidence=40, overlap=30).save("prediction.jpg") # 다른 곳에 호스팅된 이미지에서 추론 # print(model.predict("URL_OF_YOUR_IMAGE", hosted=True, confidence=40, overlap=30).json()) ``` {% endtab %} {% tab title="cURL" %} **Linux 또는 MacOS** 라는 로컬 파일의 JSON 예측 결과를 가져오려면 `YOUR_IMAGE.jpg`: ```bash base64 YOUR_IMAGE.jpg | curl -d @- \\ "https://serverless.roboflow.com/your-model/42?api_key=YOUR_KEY" ``` URL을 통해 웹의 다른 곳에 호스팅된 이미지에서 추론하려면 (잊지 말고 [URL 인코딩하세요](https://www.urlencoder.org/)): ```bash curl -X POST "https://serverless.roboflow.com/your-model/42?\\ api_key=YOUR_KEY&\\ image=https%3A%2F%2Fi.imgur.com%2FPEEvqPN.png" ``` **Windows** 설치해야 합니다 [Windows용 curl](https://curl.se/windows/) 그리고 [Windows용 GNU의 base64 도구](http://gnuwin32.sourceforge.net/packages/coreutils.htm). 이를 수행하는 가장 쉬운 방법은 [Windows용 git 설치 프로그램](https://git-scm.com/downloads) 을 사용하는 것입니다. 여기에는 설치 중 "Use Git and optional Unix tools from the Command Prompt"를 선택하면 `curl` 그리고 `base64` 명령줄 도구도 포함됩니다. 그러면 위와 동일한 명령을 사용할 수 있습니다. {% endtab %} {% tab title="JavaScript" %} **Node.js** 이 예제에서는 [axios](https://github.com/axios/axios) 이 예제에서 POST 요청을 수행하기 위해 사용하므로 먼저 `npm install axios` 를 설치하세요. **로컬 이미지에서 추론** ```javascript const axios = require("axios"); const fs = require("fs"); const image = fs.readFileSync("YOUR_IMAGE.jpg", { encoding: "base64" }); axios({ method: "POST", url: "https://serverless.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); }); ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```javascript const axios = require("axios"); axios({ method: "POST", url: "https://serverless.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** 다음을 통해 기기 내 실시간 추론을 사용할 수 있습니다 `roboflow.js`; 자세한 내용은 [여기 문서를 참조하세요](/roboflow/roboflow-ko/deploy/sdks/web-browser.md). {% endtab %} {% tab title="Swift/iOS" %} **Swift** **로컬 이미지에서 추론** ```swift import UIKit // 이미지를 불러와 Base64로 변환 let image = UIImage(named: "your-image-path") // 업로드할 이미지 경로 예: image.jpg let imageData = image?.jpegData(compressionQuality: 1) let fileContent = imageData?.base64EncodedString() let postData = fileContent!.data(using: .utf8) // API_KEY, Model 및 Model Version으로 Inference Server 요청 초기화 var request = URLRequest(url: URL(string: "https://serverless.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 요청 실행 URLSession.shared.dataTask(with: request, completionHandler: { data, response, error in // 응답을 문자열로 파싱 guard let data = data else { print(String(describing: error)) return } // 응답 문자열을 Dictionary로 변환 do { let dict = try JSONSerialization.jsonObject(with: data, options: []) as? [String: Any] } catch { print(error.localizedDescription) } // 문자열 응답 출력 print(String(data: data, encoding: .utf8)!) }).resume() ``` **Objective-C** [Objective-C 코드 스니펫을 요청하려면 여기를 클릭하세요.](https://app.roboflow.com/request/snippet.inference-objc) {% endtab %} {% tab title="Android" %} **Kotlin** **로컬 이미지에서 추론** ```kotlin import java.io.* import java.net.HttpURLConnection import java.net.URL import java.nio.charset.StandardCharsets import java.util.* fun main() { // 이미지 경로 가져오기 val filePath = System.getProperty("user.dir") + System.getProperty("file.separator") + "YOUR_IMAGE.jpg" val file = File(filePath) // Base64 인코딩 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 = "" // API 키 val MODEL_ENDPOINT = "dataset/v" // 모델 엔드포인트 설정 (Dataset URL에서 찾을 수 있음) // URL 구성 val uploadURL ="https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // HTTP 요청 var connection: HttpURLConnection? = null try { // URL 연결 구성 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 // 요청 전송 val wr = DataOutputStream( connection.outputStream) wr.writeBytes(encodedFile) wr.close() // 응답 가져오기 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() ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```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" // 이미지 URL을 바꾸세요 val API_KEY = "" // API 키 val MODEL_ENDPOINT = "dataset/v" // 모델 엔드포인트 설정 // 업로드 URL val uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + URLEncoder.encode(imageURL, "utf-8"); // HTTP 요청 var connection: HttpURLConnection? = null try { // URL 연결 구성 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 // 요청 전송 val wr = DataOutputStream(connection.outputStream) wr.writeBytes(uploadURL) wr.close() // 응답 가져오기 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** **로컬 이미지에서 추론** ```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 { // 이미지 경로 가져오기 String filePath = System.getProperty("user.dir") + System.getProperty("file.separator") + "YOUR_IMAGE.jpg"; File file = new File(filePath); // Base64 인코딩 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 = ""; // API 키 String MODEL_ENDPOINT = "dataset/v"; // 모델 엔드포인트 설정 // URL 구성 String uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // HTTP 요청 HttpURLConnection connection = null; try { // URL 연결 구성 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); // 요청 전송 DataOutputStream wr = new DataOutputStream(connection.getOutputStream()); wr.writeBytes(encodedFile); wr.close(); // 응답 가져오기 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(); } } } } ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```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"; // 이미지 URL을 바꾸세요 String API_KEY = ""; // API 키 String MODEL_ENDPOINT = "dataset/v"; // 모델 엔드포인트 설정 // 업로드 URL String uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + URLEncoder.encode(imageURL, StandardCharsets.UTF_8); // HTTP 요청 HttpURLConnection connection = null; try { // URL 연결 구성 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); // 요청 전송 DataOutputStream wr = new DataOutputStream(connection.getOutputStream()); wr.writeBytes(uploadURL); wr.close(); // 응답 가져오기 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 %} **로컬 이미지에서 추론** ```ruby require 'base64' require 'httparty' encoded = Base64.encode64(File.open("YOUR_IMAGE.jpg", "rb").read) model_endpoint = "dataset/v" # 모델 엔드포인트 설정 api_key = "" # 여기에 API 키 params = "?api_key=" + api_key + "&name=YOUR_IMAGE.jpg" response = HTTParty.post( "https://serverless.roboflow.com/" + model_endpoint + params, body: encoded, headers: { 'Content-Type' => 'application/x-www-form-urlencoded', 'charset' => 'utf-8' }) puts response ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```ruby require 'httparty' require 'cgi' model_endpoint = "dataset/v" # 모델 엔드포인트 설정 api_key = "" # 여기에 API 키 img_url = "https://i.imgur.com/PEEvqPN.png" # URL 구성 img_url = CGI::escape(img_url) params = "?api_key=" + api_key + "&image=" + img_url response = HTTParty.post( "https://serverless.roboflow.com/" + model_endpoint + params, headers: { 'Content-Type' => 'application/x-www-form-urlencoded', 'charset' => 'utf-8' }) puts response ``` {% endtab %} {% tab title="PHP" %} **로컬 이미지에서 추론** ```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; ?> ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```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" %} **로컬 이미지에서 추론** ```go package main import ( "bufio" "encoding/base64" "fmt" "io/ioutil" "os" "net/http" "strings" ) func main() { api_key := "" // API 키 model_endpoint := "dataset/v" // 모델 엔드포인트 설정 // 디스크에서 파일 열기. f, _ := os.Open("YOUR_IMAGE.jpg") // 전체 JPG를 byte 슬라이스로 읽습니다. reader := bufio.NewReader(f) content, _ := ioutil.ReadAll(reader) // base64로 인코딩합니다. data := base64.StdEncoding.EncodeToString(content) uploadURL := "https://serverless.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)) } ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```go package main import ( "fmt" "net/http" "net/url" "io/ioutil" ) func main() { api_key := "" // API 키 model_endpoint := "dataset/v" // 모델 엔드포인트 설정 img_url := "https://i.ibb.co/jzr27x0/YOUR-IMAGE.jpg" uploadURL := "https://serverless.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" %} **로컬 이미지에서 추론** ```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 = ""; // API 키 string MODEL_ENDPOINT = "dataset/v"; // 모델 endpoint 설정 // URL 구성 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&name=YOUR_IMAGE.jpg"; // 서비스 요청 설정 ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; // 요청 구성 WebRequest request = WebRequest.Create(uploadURL); request.Method = "POST"; request.ContentType = "application/x-www-form-urlencoded"; request.ContentLength = data.Length; // 데이터 쓰기 using (Stream stream = request.GetRequestStream()) { stream.Write(data, 0, data.Length); } // 응답 가져오기 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); } } } ``` **URL을 통해 다른 곳에 호스팅된 이미지에서 추론** ```csharp using System; using System.IO; using System.Net; using System.Web; namespace InferenceHosted { class InferenceHosted { static void Main(string[] args) { string API_KEY = ""; // API 키 string imageURL = "https://i.ibb.co/jzr27x0/YOUR-IMAGE.jpg"; string MODEL_ENDPOINT = "dataset/v"; // 모델 endpoint 설정 // URL 구성 string uploadURL = "https://serverless.roboflow.com/" + MODEL_ENDPOINT + "?api_key=" + API_KEY + "&image=" + HttpUtility.UrlEncode(imageURL); // Service Point 설정 ServicePointManager.Expect100Continue = true; ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12; // HTTP 요청 구성 WebRequest request = WebRequest.Create(uploadURL); request.Method = "POST"; request.ContentType = "application/x-www-form-urlencoded"; request.ContentLength = 0; // 응답 가져오기 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" %} 사용자 요청에 따라 코드 스니펫을 추가하고 있습니다. Elixir 앱에 inference API를 통합하고 싶다면, 다음을 [upvote를 기록하려면 여기를 클릭하세요](https://app.roboflow.com/request/snippet.upload-elixir). {% endtab %} {% endtabs %} ### 응답 객체 형식 호스팅된 API 추론 경로는 다음을 반환합니다 `JSON` 예측 배열을 포함하는 객체입니다. 각 예측에는 다음 속성이 있습니다: * `x` = 감지된 객체의 가로 중심점 * `y` = 감지된 객체의 세로 중심점 * `width` = 바운딩 박스의 너비 * `height` = 바운딩 박스의 높이 * `class` = 감지된 객체의 클래스 레이블 * `confidence` = 감지된 객체의 레이블과 위치 좌표가 올바르다고 모델이 판단하는 신뢰도 * `keypoints` = keypoint 예측 배열 * `x` = keypoint의 가로 중심(이미지의 왼쪽 위 모서리를 기준) * `y` = keypoint의 세로 중심(이미지의 왼쪽 위 모서리를 기준) * `class_name` = keypoint 이름 * `class_id` = keypoint의 ID로, skeleton에 매핑됩니다 `vertices` 버전 기록에서 vertex 색상과 skeleton edge를 매핑하기 위해, [Project 버전 보기](/developer/rest-api/versions/view-a-version.md) * `confidence` = keypoint의 위치가 올바르고 표시되어 있음(가려지거나 삭제되지 않음)에 대한 신뢰도 REST API의 응답 객체 예시는 다음과 같습니다: ```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 } } ``` 해당 `이미지` 속성에는 추론에 전송된 이미지의 높이와 너비가 포함됩니다. 바운딩 박스 계산에 이 값을 사용해야 할 수 있습니다. ### Inference API 매개변수 ## Inference API 사용하기 `POST` `https://serverless.roboflow.com/:datasetSlug/:versionNumber` base64로 인코딩된 이미지를 모델 endpoint에 직접 POST할 수 있습니다. 또는 이미지가 이미 다른 곳에 호스팅되어 있는 경우 쿼리 문자열의 `이미지` 매개변수로 URL을 전달할 수 있습니다. #### 경로 매개변수 | 이름 | 유형 | 설명 | | ----------- | ------ | ------------------------------------------------------------------------------------------------------------------------------ | | datasetSlug | string | 데이터셋 이름의 URL에 안전한 버전입니다. 모델을 학습한 후 웹 UI에서 메인 Project 보기의 URL을 확인하거나 데이터셋 버전의 학습 결과 섹션에서 "Get curl command" 버튼을 클릭하면 찾을 수 있습니다. | | version | number | 데이터셋의 버전을 식별하는 버전 번호 | #### 쿼리 매개변수 | 이름 | 유형 | 설명 | | ---------- | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 이미지 | string |

추가할 이미지의 URL입니다. 이미지가 다른 곳에 호스팅되어 있으면 사용하세요. (요청 본문에 base64로 인코딩된 이미지를 POST하지 않는 경우 필요합니다.)

참고: URL 인코딩하는 것을 잊지 마세요.

| | classes | string |

예측을 특정 클래스의 것들로만 제한합니다. 쉼표로 구분된 문자열로 제공하세요.

예시: dog,cat

기본값: 없음(모든 클래스 표시)

| | overlap | number |

동일한 클래스의 바운딩 박스 예측이 하나의 박스로 합쳐지기 전에 겹칠 수 있는 최대 비율(0-100 척도)입니다.

기본값: 30

| | confidence | number |

반환된 예측에 대한 임계값입니다(0-100 척도). 숫자가 낮을수록 더 많은 예측이 반환되고, 숫자가 높을수록 더 적은 고신뢰 예측이 반환됩니다.

기본값: 40

| | stroke | number |

예측 주위에 표시되는 바운딩 박스의 너비(픽셀 단위)입니다(다음의 경우에만 효과가 있습니다 format is 이미지).

기본값: 1

| | labels | boolean |

예측에 텍스트 레이블을 표시할지 여부입니다(다음의 경우에만 효과가 있습니다 format is 이미지).

기본값: false

| | format | string |

json - JSON 예측 배열을 반환합니다. (응답 형식 탭 참조).
이미지 - 주석이 달린 예측이 포함된 이미지를 바이너리 blob으로 반환하며, 다음의 Content-Type of image/jpeg. image\_and\_json - base64의 visualization 필드를 포함한 JSON 예측 배열을 반환합니다.

기본값: json

| | api\_key | string | API 키입니다(워크스페이스 API 설정 페이지에서 얻을 수 있습니다) | #### 요청 본문 | 이름 | 유형 | 설명 | | -- | ------ | ---------------------------------------------------------- | | | string | base64로 인코딩된 이미지입니다. (쿼리 매개변수에 이미지 URL을 전달하지 않는 경우 필요합니다). | {% tabs %} {% tab title="200개의 JSON 형식 예측입니다. (x,y)는 박스의" %} ``` { "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\_key가 모델에 액세스할 권한이 없는 경우입니다." %} ``` { "Message": "User is not authorized to access this resource" } ``` {% endtab %} {% endtabs %} --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## 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, and the optional `goal` query parameter: ``` GET https://docs.roboflow.com/roboflow/roboflow-ko/deploy/serverless/keypoint-detection.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.