Interpretar los resultados de las predicciones de los modelos de detección de objetos de imagen

Después de solicitar una predicción, Vertex AI devuelve resultados basados en el objetivo de tu modelo. Las respuestas de predicción de detección de objetos de imagen de AutoML devuelven todos los objetos encontrados en una imagen. Cada objeto encontrado tiene una anotación (etiqueta y cuadro delimitador normalizado) con una puntuación de confianza correspondiente. El cuadro delimitador se escribe de la siguiente manera:

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

Donde xMin, xMax son los valores mínimo y máximo de x, y yMin, yMax son los valores mínimo y máximo de y, respectivamente.

Ejemplo de resultado de predicción por lotes

Las respuestas de predicción de detección de objetos de imagen de AutoML por lotes se almacenan como archivos JSON Lines en segmentos de Cloud Storage. Cada línea del archivo JSON Lines contiene todos los objetos encontrados en un solo archivo de imagen. Cada objeto encontrado tiene una anotación (etiqueta y cuadro delimitador normalizado) con una puntuación de confianza correspondiente.

Note: Zero coordinate values omitted. When the API detects a coordinate ("x" or "y") value of 0, that coordinate is omitted in the JSON response. Thus, a response with a bounding poly around the entire image would be
[{},{"x": 1,"y": 1}]. For more information, see Method: projects.locations.models.predict.

Nota: El siguiente ejemplo de JSON Lines incluye saltos de línea para facilitar la lectura. En los archivos JSON Lines, los saltos de línea solo se incluyen después de cada objeto JSON.

Importante: Los cuadros delimitadores se especifican de la siguiente manera:

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

Donde xMin y xMax son los valores mínimos y máximos de x, y yMin y yMax son los valores mínimos y máximos 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]
  }
}