Interpretar resultados de previsão com base em modelos de detecção de objetos de imagem

Depois da solicitação de uma previsão, a Vertex AI retorna resultados com base no objetivo do modelo. As respostas de previsão de detecção de objetos de imagem do AutoML retornam todos os objetos encontrados em uma imagem. Cada objeto encontrado tem uma anotação (rótulo e caixa delimitadora normalizada) com uma pontuação de confiança correspondente. A caixa delimitadora é escrita como:

"bboxes": [ [xMin, xMax, yMin, yMax], ...]

Em que xMin, xMax é o valor mínimo e máximo de x e yMin, yMax é o valor mínimo e máximo de y, respectivamente.

Exemplo de saída de previsão em lote

As respostas de previsão em lote da detecção de objetos de imagem do AutoML são armazenadas como arquivos JSON Lines em buckets do Cloud Storage. Cada linha do arquivo JSON Lines contém todos os objetos encontrados em um único arquivo de imagem. Cada objeto encontrado tem uma anotação (rótulo e caixa delimitadora normalizada) com uma pontuação de confiança correspondente.

Observação: omitidos os valores de coordenadas zero. Quando é detectado pela API um valor de zero para uma coordenada ("x" ou "y"), essa coordenada é omitida na resposta JSON. Assim, uma resposta com um polígono delimitador ao redor da imagem inteira seria
[{},{"x": 1,"y": 1}]. Para mais informações, consulte Método: projects.locations.models.predict.

Observação: o exemplo a seguir de JSON Lines inclui quebras de linha para facilitar a leitura. Nos arquivos JSON Lines, as quebras de linha são incluídas somente após cada objeto JSON.

Importante : as caixas delimitadoras são especificadas como:

"bboxes": [ [xMin, xMax, yMin, yMax], ...]

Em que xMin e xMax são os valores mínimo e máximo de x e yMin e yMax são os valores mínimo e máximo de y, respectivamente.

{
  "instance": {"content": "gs://bucket/image.jpg", "mimeType": "image/jpeg"},
  "prediction": {
    "ids": [1, 2],
    "displayNames": ["cat", "dog"],
    "bboxes":  [
      [0.1, 0.2, 0.3, 0.4],
      [0.2, 0.3, 0.4, 0.5]
    ],
    "confidences": [0.7, 0.5]
  }
}