Interpreta i risultati delle previsioni dei modelli di rilevamento di oggetti immagine

Se richiedi una previsione, Vertex AI restituisce i risultati in base all'obiettivo del modello. Le risposte di previsione del rilevamento di oggetti nelle immagini di AutoML restaurano tutti gli oggetti trovati in un'immagine. Ogni oggetto trovato ha un'annotazione (etichetta e riquadro di delimitazione normalizzato) con un punteggio di confidenza corrispondente. Il riquadro di delimitazione viene scritto come:

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

dove xMin, xMax sono i valori x minimi e massimi e yMin, yMax sono rispettivamente i valori y minimi e massimi.

Esempio di output di previsione batch

Le risposte di previsione del rilevamento di oggetti nelle immagini AutoML batch vengono archiviate come file JSON Lines nei bucket Cloud Storage. Ogni riga del file JSON Lines contiene tutti gli oggetti trovati in un singolo file immagine. Ogni oggetto trovato ha un'annotazione (etichetta e riquadro di delimitazione normalizzato) con un punteggio di confidenza.

Nota: i valori delle coordinate pari a zero sono stati omessi. Quando l'API rileva un valore di coordinata ("x" o "y") pari a 0, la coordinata viene omessa nella risposta JSON. Pertanto, una risposta con un poligono di delimitazione intorno all'intera immagine sarebbe
[{},{"x": 1,"y": 1}]. Per ulteriori informazioni, consulta la pagina Metodo: projects.locations.models.recommend.

Nota: il seguente esempio di JSON Lines include interruzioni di riga per favorire la leggibilità. Nei file JSON Lines, le interruzioni di riga vengono incluse solo dopo ogni ogni oggetto JSON.

Importante: le caselle delimitanti sono specificate come segue:

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

dove xMin e xMax sono i valori x minimo e massimo e yMin e yMax sono rispettivamente i valori y minimo e massimo.

{
  "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]
  }
}