api-inference 文档

目标检测

Hugging Face's logo
加入 Hugging Face 社区

并获得增强型文档体验

开始使用

目标检测

目标检测模型允许用户识别某些已定义类别的对象。这些模型接收图像作为输入,并输出带有边界框和检测到的对象标签的图像。

有关object-detection任务的更多详细信息,请查看其专用页面!您会发现示例和相关资料。

推荐模型

探索所有可用的模型并找到最适合您的模型在此处

使用 API

Python
JavaScript
cURL
import requests

API_URL = "https://api-inference.huggingface.co/models/facebook/detr-resnet-50"
headers = {"Authorization": "Bearer hf_***"}

def query(filename):
    with open(filename, "rb") as f:
        data = f.read()
    response = requests.post(API_URL, headers=headers, data=data)
    return response.json()

output = query("cats.jpg")

要使用 Python 客户端,请参阅huggingface_hub包参考

API 规范

请求

有效负载
输入* 字符串 作为 base64 编码字符串的输入图像数据。如果没有提供parameters,您也可以将图像数据作为原始字节有效负载提供。
参数 对象 目标检测的其他推理参数
        阈值 数字 进行预测所需的概率。

可以通过将标头传递到推理 API 来配置某些选项。以下是可用的标头

标头
授权 字符串 hf_****是具有推理 API 权限的个人用户访问令牌时,表单'Bearer: hf_****'中的身份验证标头。您可以从您的设置页面生成一个。
x-use-cache 布尔值,默认为true 推理 API 上有一个缓存层,用于加速我们已经处理过的请求。大多数模型都可以直接使用这些结果,因为它们是确定性的(这意味着输出始终相同)。但是,如果您使用非确定性模型,可以设置此参数以阻止缓存机制的使用,从而产生一个真正的新的查询。阅读有关缓存的更多信息,请点击此处
x-wait-for-model 布尔值,默认为 false 如果模型未准备好,请等待它,而不是接收 503 错误。这可以减少获取推理结果所需的请求次数。建议仅在收到 503 错误后才将此标志设置为 true,因为它会将应用程序挂起限制在已知的位置。阅读有关模型可用性的更多信息,请点击此处

有关推理 API 标头的更多信息,请查看参数指南

响应

主体
(数组) object[] 输出是一个对象数组。
        标签 字符串 边界框的预测标签。
        得分 数字 关联的分数/概率。
        框 对象
                xmin 整数 边界框左上角的 x 坐标。
                xmax 整数 边界框右下角的 x 坐标。
                ymin 整数 边界框左上角的 y 坐标。
                ymax 整数 边界框右下角的 y 坐标。
< > 在 GitHub 上更新