解读图片对象检测模型的预测结果

请求预测后，Vertex AI 会根据您的模型目标返回结果。AutoML 图片对象检测预测响应会返回在图片中找到的所有对象。每个找到的对象的注解（标签和归一化边界框）都有相应的置信度分数。边界框编写为：

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

其中 xMin, xMax 是最小和最大 x 值， yMin, yMax 是最小和最大 y 值。

批量预测输出示例

批量 AutoML 图片对象检测预测响应会以 JSON 行文件的形式存储在 Cloud Storage 存储桶中。JSON 行文件的每一行都包含单个图片文件中找到的所有对象。每个找到的对象的注解（标签和归一化边界框）都有相应的置信度分数。

注意：零坐标值会被省略。当 API 检测到坐标（“x”或“y”）值为 0 时，该坐标值将在 JSON 响应中被省略。因此，整个图片周围的边界多边形所对应的响应将为
[{},{"x": 1,"y": 1}]。如需了解详情，请参阅方法：projects.locations.models.predict。

注意：以下 JSON 行示例包含换行符便于阅读。在您的 JSONL 行文件中，请仅在每个 JSON 对象后添加换行符。

重要提示 ：边界框的指定方式如下：

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

其中，xMin 和 xMax 是最小和最大 x 值， yMin 和 yMax 分别是最小和最大 y 值。

{
  "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]
  }
}