Interpreta los resultados de las predicciones de los modelos de clasificación de imágenes

Después de solicitar una predicción, Vertex AI muestra resultados según el objetivo de tu modelo. Las predicciones de clasificación de imágenes de una sola etiqueta de AutoML muestran una sola categoría de etiqueta y su puntuación de confianza correspondiente. Las predicciones de clasificación de varias etiquetas muestran varias categorías de etiquetas y sus puntuaciones de confianza correspondientes.

La puntuación de confianza comunica cuán fuerte tu modelo asocia cada clase o etiqueta con un elemento de prueba. Cuanto más alto sea el número, mayor será la confianza del modelo de que la etiqueta se debe aplicar a ese elemento. Tú decides qué tan alta debe ser la puntuación de confianza para que aceptes los resultados del modelo.

Control deslizante del umbral de puntuación

En la consola de Google Cloud, Vertex AI proporciona un control deslizante que se usa para ajustar el umbral de confianza de todas las clases o etiquetas, o de una clase o etiqueta individual. El control deslizante está disponible en la página de detalles de un modelo en la pestaña Evaluar. El umbral de confianza es el nivel de confianza que debe tener el modelo para asignar una clase o etiqueta a un elemento de prueba. A medida que ajustes el umbral, puedes ver cómo cambian la precisión y la recuperación del modelo. Los umbrales más altos suelen aumentar la precisión y disminuyen la recuperación.

Ejemplo de resultado de la predicción por lotes

Los resultados de la predicción de la clasificación por imágenes de AutoML por lotes se almacenan como archivos de líneas JSON en buckets de Cloud Storage. Cada línea del archivo de líneas JSON contiene todas las categorías de anotación (etiqueta) y sus puntuaciones de confianza correspondientes para un solo archivo de imagen.

{
  "instance": {"content": "gs://bucket/image.jpg", "mimeType": "image/jpeg"},
  "prediction": {
    "ids": [1, 2],
    "displayNames": ["cat", "dog"],
    "confidences": [0.7, 0.5]
  }
}