🧠 fast-api-YOLOv11-BearerAPI

YOLO11m を使用した物体検出APIです。
画像を送信すると、検出結果（JSON）とバウンディングボックス付き画像を返します。
認証は APIキー（Bearerトークン） 方式を採用。
ローカル環境で、conda を使わず venv + uv + pip で動作します。

---

📘 機能概要

機能	説明
画像アップロード	multipart/form-data で画像をPOST
YOLOモデル	Ultralytics YOLO11m (COCO 80クラス)
出力	JSON（ラベル・座標・信頼度・個数）＋バウンディングボックス付き画像（Base64）
認証	APIキー (Authorization: Bearer <API_KEY>)
環境	Python 3.8以上, pip + venv, GPU不要（CPU動作）
モデル	事前ダウンロード済み yolo11m.pt を使用

---

🧩 構成図

Client
↓ POST /detect (multipart/form-data + Bearer token)
FastAPI (main.py)
├─ Load YOLO11m model (models/yolo11m.pt)
├─ Run detection on uploaded image
├─ Draw bounding boxes
└─ Return JSON + Base64 image

---

🧱 フォルダ構成

project/
├── models/
│   └── yolo11m.pt  # 事前にダウンロードしたモデルファイル
├── main.py         # FastAPIアプリ本体
├── requirements.txt # 依存パッケージ一覧
└── README.md       # このファイル

---

⚙️ 環境構築手順（condaなし）

1️⃣ WSLを開き、リポジトリをクローン

git clone https://github.com/aToy0m0/fast-api-YOLOv11-BearerAPI
cd fast-api-YOLOv11-BearerAPI

2️⃣ 仮想環境作成

uv venv

3️⃣ 仮想環境有効化

# WSL / macOS / Linux
source .venv/bin/activate

4️⃣ 必要パッケージのインストール

PyTorch を GPU 環境用に入れる場合

uv pip install -r requirements.txt

5️⃣ YOLOモデルの事前ダウンロード

Ultralytics公式から yolo11m.pt を取得して、models/ に保存：

• 🔗 https://github.com/ultralytics/assets/releases
• 保存例: project/models/yolo11m.pt

CLIの場合

mkdir -p models
cd models/

TAG=v8.3.0   # 最新タグに置き換えてください

curl -L -o yolo11m.pt "https://github.com/ultralytics/assets/releases/download/${TAG}/yolo11m.pt"
curl -L -o yolo11n.pt "https://github.com/ultralytics/assets/releases/download/${TAG}/yolo11n.pt"

🔐 APIキーと推論パラメータの設定

openssl rand -hex 32
cp .env.example .env
nano .env

$ cat .env

# use command below to generate a secret key
## openssl rand -hex 32
DETECTION_API_KEY="your-secret-key"

🚀 サーバー起動方法

uvicorn main:app --reload

サーバー外部からのアクセスを受け付ける場合

uvicorn main:app --reload --host 0.0.0.0 --port 8000

起動後に以下へアクセス：

• Swagger UI: http://127.0.0.1:8000/docs
• サーバー外部からのアクセスを受け付ける場合: http://＜サーバーIP＞:8000/docs

📦 テスト：APIリクエスト例

curl

curl -s http://<server-ip>:8000/healthz

curl.exe -s http://<server-ip>:8000/healthz

sample画像を用意

以下をダウンロードし、sample.jpgにリネーム

https://ultralytics.com/images/zidane.jpg

project/
├── test/
│   └── sample.jpg  # リネームしたzidane.jpg

CLIの場合

mkdir -p test
curl -L https://ultralytics.com/images/zidane.jpg -o test/sample.jpg

Python (requests)

cd test/
python test.py

外部サーバー向けにテストする場合は、test.py以下のアドレスを変更する

API = "http://127.0.0.1:8000/detect"

逆にorijinを絞り込む場合は以下を書き換える

    allow_origins=["*"],  # 必要に応じて特定オリジンへ絞り込む
    allow_origins=["http://localhost:5500", "http://your-webapp"],  # 開発用なら ["*"] でも可

📊 レスポンス例（JSON）

{
  "detections": [
    {
      "label": "person",
      "confidence": 0.91,
      "box": [36.4, 52.8, 221.3, 309.9]
    },
    {
      "label": "dog",
      "confidence": 0.88,
      "box": [150.2, 200.5, 300.1, 400.7]
    }
  ],
  "counts": {
    "person": 1,
    "dog": 1
  },
  "image_with_boxes": "data:image/jpeg;base64,/9j/4AAQSk..."
}

トラブルシュート

ImportError: libGL.so.1: cannot open shared object file: No such file or directory

sudo yum install -y mesa-libGL

参考公式ドキュメント

FastAPI公式: https://fastapi.tiangolo.com/ Ultralytics YOLO公式: https://docs.ultralytics.com/ COCOクラス一覧: https://docs.ultralytics.com/datasets/detect/coco/

Author/Project

Author: aToy0m0 Project Start: 2025-11

License

License: GNU AGPL v3（Ultralytics YOLO と同一、詳細は LICENSE を参照）