Roboflow 3.0

Serverless Hosted API를 통해 Roboflow 3.0 model family를 사용합니다.

Roboflow 3.0 객체 탐지

Roboflow 3.0은 Roboflow의 자체 모델 아키텍처입니다. Roboflow 플랫폼에서 Roboflow 3.0 모델을 학습하고 다음을 통해 배포합니다 Serverless Hosted API. 아래 예시는 Roboflow의 공개 COCO 모델 (coco/3) 따라서 바로 사용해 볼 수 있습니다. 자체 호스팅 배포는 다음을 참조하세요 Roboflow Inference.

코드 샘플

1

API Key를 받으세요

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: Roboflow API 설정 페이지 그리고 이를 셸에서 사용할 수 있도록 설정하세요:

export ROBOFLOW_API_KEY="your-key-here"

2

종속성을 설치하세요

다음을 설치하세요 Inference SDK 및 supervision:

pip install inference-sdk supervision

3

모델을 실행하세요

샘플 이미지에서 탐지를 실행하고 박스와 레이블을 주석 처리합니다:

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/3")

detections = sv.Detections.from_inference(result)

annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("output.png", annotated)

설정 api_url 을 배포 대상에 맞게 설정하세요:

• https://serverless.roboflow.com Serverless Hosted API용입니다.

• http://localhost:9001 로컬 Inference 서버용입니다.

• 귀하의 Dedicated Deployment 비공개 엔드포인트용 URL입니다.

Roboflow 3.0 인스턴스 세분화

Roboflow 3.0 인스턴스 세분화 모델을 학습한 다음, 다음을 교체하세요 your-project/1 자신의 것으로 {workspace}/{model-slug} ID로 호출할 수 있습니다(참조 Versions, Trainings, and Models). 위에 표시된 대로 API 키를 설정하고 종속성을 설치하세요.

코드 샘플

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"],
)
# 사전 학습된 별칭 없음: 직접 모델을 학습하고 "your-project/1"을 모델 ID로 바꾸세요.
result = client.infer(image, model_id="your-project/1")

detections = sv.Detections.from_inference(result)

annotated = sv.MaskAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections)
cv2.imwrite("output.png", annotated)

Roboflow 3.0 키포인트 탐지

이 예시는 공개 rf-handpose 손 키포인트 모델을 실행한 다음, 21개 포인트로 된 손 스켈레톤을 그립니다. 자신의 {workspace}/{model-slug}. 위에 표시된 대로 API 키를 설정하고 종속성을 설치하세요.

코드 샘플

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/hand.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="rf-handpose/1")

key_points = sv.KeyPoints.from_inference(result)

# 손 스켈레톤: 손목 (0), 엄지 (1-4), 검지 (5-8), 중지 (9-12), 약지 (13-16), 새끼손가락 (17-20)
hand_edges = [
    (0, 1), (1, 2), (2, 3), (3, 4),
    (0, 5), (5, 6), (6, 7), (7, 8),
    (5, 9), (9, 10), (10, 11), (11, 12),
    (9, 13), (13, 14), (14, 15), (15, 16),
    (13, 17), (17, 18), (18, 19), (19, 20), (0, 17),
]
annotated = image.copy()
vertices = key_points.xy[0].astype(int)
for start, end in hand_edges:
    cv2.line(annotated, tuple(vertices[start]), tuple(vertices[end]), (255, 0, 0), 2)
annotated = sv.VertexAnnotator(color=sv.Color.GREEN, radius=5).annotate(annotated, key_points)
cv2.imwrite("output.png", annotated)

Roboflow 3.0 분류

분류 응답에는 신뢰도와 함께 클래스 예측 목록이 포함되어 있으므로 시각화는 적용할 수 없습니다. 응답에서 상위 클래스를 직접 읽어오세요. 다음을 바꾸세요 your-project/1 학습한 모델 ID로 바꾸고, 위에 표시된 대로 API 키를 설정하고 종속성을 설치하세요.

코드 샘플

import os
import cv2
import numpy as np
import requests
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"],
)
# 사전 학습된 별칭 없음: 직접 모델을 학습하고 "your-project/1"을 모델 ID로 바꾸세요.
result = client.infer(image, model_id="your-project/1")

print(f"Top class: {result['top']} ({result['confidence']:.4f})")