분류

Roboflow에 호스팅된 분류 모델에서 추론을 실행하세요.

Python

로컬 및 호스팅된 이미지에서 추론

종속성을 설치하려면, pip install inference-sdk.

from inference_sdk import InferenceHTTPClient

CLIENT = InferenceHTTPClient(
    api_url="https://classify.roboflow.com",
    api_key="API_KEY"
)

result = CLIENT.infer(your_image.jpg, model_id="vehicle-classification-eapcd/2")

Javascript

Node.js

우리는 사용합니다 axios 를 사용하여 POST 요청을 수행하므로 먼저 npm install axios 로 종속성을 설치하세요.

로컬 이미지로 추론하기

const axios = require("axios");
const fs = require("fs");

const image = fs.readFileSync("YOUR_IMAGE.jpg", {
    encoding: "base64"
});

axios({
    method: "POST",
    url: "https://classify.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);
});

Swift

base64를 사용하여 로컬 이미지 업로드하기

import UIKit

// 이미지 불러오기 및 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, 모델, 모델 버전으로 Inference 서버 요청 초기화
var request = URLRequest(url: URL(string: "https://classify.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 딕셔너리로 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()

응답 객체 형식

Single-Label Classification

Single-Label Classification

호스팅된 API 추론 경로는 JSON 예측 배열이 포함된 객체를 반환합니다. 각 예측에는 다음 속성이 있습니다:

• time = 이미지를 처리하고 예측을 반환하는 데 걸린 총 시간(초)

• 이미지 = 이미지에 대한 정보를 담고 있는 객체 width 와 height

  • width 예측된 이미지의 높이

  • height = 예측된 이미지의 높이

• predictions = 예측에 대한 모든 예측 클래스와 해당 신뢰도 값의 모음

  • class = 분류의 라벨

  • confidence = 모델이 이미지에 감지된 분류의 객체가 있다고 확신하는 정도

• top = 가장 높은 신뢰도의 예측 클래스

• confidence = 가장 높은 예측 신뢰도 점수

• image_path = 예측된 이미지의 경로

• prediction_type = 추론을 수행하는 데 사용된 모델 유형, ClassificationModel 이 경우

// 예시 JSON 객체
{
  "time": 0.19064618100037478,
  "image": {
    "width": 210,
    "height": 113
  },
  "predictions": [
    {
      "class": "real-image",
      "confidence": 0.7149
    },
    {
      "class": "illustration",
      "confidence": 0.2851
    }
  ],
  "top": "real-image",
  "confidence": 0.7149,
  "image_path": "/cropped-images-1.jpg",
  "prediction_type": "ClassificationModel"
}

Multi-Label Classification

Multi-Label Classification

호스팅된 API 추론 경로는 JSON 예측 배열이 포함된 객체를 반환합니다. 각 예측에는 다음 속성이 있습니다:

• time = 이미지를 처리하고 예측을 반환하는 데 걸린 총 시간(초)

• 이미지 = 이미지에 대한 정보를 담고 있는 객체 width 와 height

  • width 예측된 이미지의 높이

  • height = 예측된 이미지의 높이

• predictions = 예측에 대한 모든 예측 클래스와 해당 신뢰도 값의 모음

  • class = 분류의 라벨

  • confidence = 모델이 이미지에 감지된 분류의 객체가 있다고 확신하는 정도

• predicted_classes = 모델 예측에서 반환된 모든 분류(라벨/클래스)의 목록을 포함하는 배열

• image_path = 예측된 이미지의 경로

• prediction_type = 추론을 수행하는 데 사용된 모델 유형, ClassificationModel 이 경우

// 예시 JSON 객체
{
  "time": 0.19291414400004214,
  "image": {
    "width": 113,
    "height": 210
  },
  "predictions": {
    "dent": {
      "confidence": 0.5253503322601318
    },
    "severe": {
      "confidence": 0.5804202556610107
    }
  },
  "predicted_classes": [
    "dent",
    "severe"
  ],
  "image_path": "/car-model-343.jpg",
  "prediction_type": "ClassificationModel"
}

API Reference

Inference API 사용하기

POST https://classify.roboflow.com/:datasetSlug/:versionNumber

base64로 인코딩된 이미지를 직접 모델 엔드포인트에 POST할 수 있습니다. 또는 이미 다른 곳에 호스팅된 이미지라면, 이미지 쿼리 문자열의 파라미터로 URL을 전달할 수 있습니다.

경로 파라미터

이름	유형	설명
datasetSlug	string	데이터셋 이름의 url-safe 버전입니다. 웹 UI의 메인 프로젝트 뷰에서 URL을 보면 확인할 수 있습니다.
	string	데이터셋 버전을 식별하는 버전 번호입니다.

쿼리 파라미터

이름	유형	설명
api_key	string	API 키 (워크스페이스 API 설정 페이지에서 획득)

200: OK

{
   "predictions":{
      "bird":{
         "confidence":0.5282308459281921
      },
      "cat":{
         "confidence":0.5069406032562256
      },
      "dog":{
         "confidence":0.49514248967170715
      }
   },
   "predicted_classes":[
      "bird",
      "cat"
   ]
}

403: 금지됨

{
   "message":"금지됨"
}j