YOLO-World

Serverless Hosted API를 통해 YOLO-World 오픈 보캐브러리 객체 탐지를 사용합니다.

YOLO-World는 학습 없이 임의의 텍스트 클래스 이름으로부터 객체를 탐지하는 오픈 보캐뷸러리 객체 탐지 모델입니다. 우리는 우리의 Serverless Hosted API.

YOLO-World 실행에 대한 자세한 내용은 Inference 문서.

코드 샘플

다음과 함께 HTTP 엔드포인트를 통해 직접 YOLO-World를 실행하세요 curl또는 inference-sdk 래퍼를 사용하세요.

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"

모델을 실행하세요

다음에 호출하세요. /yolo_world/infer 엔드포인트를 curl:

curl --location 'https://serverless.roboflow.com/yolo_world/infer' \
  --header 'Content-Type: application/json' \
  --data '{
    "api_key": "'"$ROBOFLOW_API_KEY"'",
    "image": {"type": "url", "value": "https://media.roboflow.com/quickstart/traffic.jpg"},
    "text": ["car", "truck"],
    "yolo_world_version_id": "v2-s",
    "confidence": 0.05
  }'

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"

종속성을 설치하세요

SDK를 설치하고 supervision:

pip install inference-sdk supervision

모델을 실행하세요

커스텀 클래스 이름으로 YOLO-World를 실행한 다음, supervision으로 예측 결과를 디코딩하고 시각화합니다.

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"],
)

results = client.infer_from_yolo_world(
    inference_input=image,
    class_names=["car", "truck"],
    model_version="v2-s",
    confidence=0.05,
)

detections = sv.Detections.from_inference(results[0])

labels = [
    f"{name} {conf:.2f}"
    for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.png", annotated)

해당 class_names 인수는 어떤 클래스 이름 목록이든 허용합니다. 사용 가능한 model_version 값: v2-s, v2-m, v2-l, v2-x, s, m, l, x.

추론 속도

다음 기준으로 측정한 지연 시간 Roboflow Inference 1x NVIDIA L4에서, 배치 크기 1로, 워밍업 이후 평균값입니다.

모델

지연 시간(ms)

yolo-world

12.4

다음에서 측정됨 v2-s 두 개 클래스가 있는 변형입니다. 클래스 목록을 설정하면 텍스트 인코더가 한 번 실행되며, 프레임마다 반복되지 않으므로 이 그림에서는 제외됩니다.

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.

이전YOLOv9 다음OwlV2

마지막 업데이트 8일 전

도움이 되었나요?