Interpretare i risultati delle previsioni dai modelli di rilevamento di oggetti immagine

Dopo aver richiesto una previsione, Vertex AI restituisce i risultati in base all'obiettivo del modello. Le risposte di previsione del rilevamento di oggetti immagine AutoML restituiscono tutti gli oggetti trovati in un'immagine. Ogni oggetto trovato ha un'annotazione (etichetta e riquadro di delimitazione normalizzato) con un punteggio di affidabilità corrispondente. Il riquadro di delimitazione è scritto come:

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

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

Esempio di output di previsione batch

Le risposte batch di previsione per il rilevamento di oggetti immagine AutoML sono 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 affidabilità corrispondente.

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 righe JSON include interruzioni di riga per una maggiore leggibilità. Nei file JSON Lines, le interruzioni di riga sono incluse solo dopo ogni oggetto JSON.

Importante : i riquadri di delimitazione sono specificati come segue:

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

Dove xMin e xMax sono i valori x minimo e massimo, mentre 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]
  }
}