方法：projects.locations.models.batchPredict

执行批量预测并返回长时间运行的操作的 ID。您可以使用 operations.get 方法请求操作结果。操作完成后，您可以调用 operations.get，从 response 字段中检索 BatchPredictResult。

HTTP 请求

POST https://automl.googleapis.com/v1beta1/{name}:batchPredict

路径参数

参数
name

string

被请求提供批量预测的模型的名称。

必须对指定的资源 name 具有以下 Google IAM 权限才能获得授权：

  • automl.models.predict

请求正文

请求正文中包含结构如下的数据：

JSON 表示法 

{
  "inputConfig": {
    object(BatchPredictionInputConfig)
  },
  "outputConfig": {
    object(BatchPredictionOutputConfig)
  },
  "params": {
    string: string,
    ...
  }
}
字段
inputConfig

对象（ BatchPredictionInputConfig ）

必填。批量预测的输入配置。

outputConfig

对象（ BatchPredictionOutputConfig ）

必填。指定应写入输出预测结果的位置。

params

map (key: string, value: string)

可以是下列选项之一：

score_threshold

 （浮点值）0.0 到 1.0 之间的值。当模型对视频进行预测时，将仅产生至少具有该置信度分数的结果。默认值为 0。

segment_classification

 （布尔值）设置为 true 以请求片段级分类。AutoML Video Intelligence 返回用户在请求配置中指定的整个视频片段的标签及其置信度分数。默认值为“true”。

shot_classification

 （布尔值）设置为 true 以请求镜头级分类。AutoML Video Intelligence 确定用户在请求配置中指定的整个视频片段中每个镜头的边界。然后，AutoML Video Intelligence 会返回检测到的每个镜头的标签及其置信度分数，以及镜头的开始和结束时间。警告：对于该分类类型，不执行模型评估，分类的质量取决于训练数据，但不提供用于描述该质量的指标。默认值为“false”。

1s_interval_classification

 （布尔值）设为 true，以 1 秒钟为时间间隔请求对视频执行分类。AutoML Video Intelligence 返回用户在请求配置中指定的整个视频片段每一秒的标签及其置信度分数。警告：对于该分类类型，不执行模型评估，分类的质量取决于训练数据，但不提供用于描述该质量的指标。默认值为“false”。

请参阅为视频添加注释了解详情。

响应正文

如果成功，响应正文将包含一个 Operation 实例。

授权范围

需要以下 OAuth 范围：

  • https://www.googleapis.com/auth/cloud-platform

如需了解详情，请参阅身份验证概览。

BatchPredictionInputConfig

models.batchPredict 操作的输入配置。输入是在 Google Cloud Storage 中存储的一个或多个 CSV 文件，其中 CSV 文件采用以下格式：

GCS_FILE_PATH,TIME_SEGMENT_START,TIME_SEGMENT_END

  • GCS_FILE_PATH 标识大小不超过 50GB 且时长不超过 3 小时的视频的 Google Cloud Storage 路径。支持的扩展程序：.MOV、.MPEG4、.MP4、.AVI。

  • TIME_SEGMENT_START 和 TIME_SEGMENT_END 必须在视频的时长范围内，并且结束时间必须晚于开始时间。

三个样本行：

gs://folder/video1.mp4,10,40
gs://folder/video1.mp4,20,60
gs://folder/vid2.mov,0,inf

请参阅为视频添加注释了解详情。

JSON 表示法 

{
  "gcsSource": {
    object(GcsSource)
  }
}
字段
gcsSource

object(GcsSource)

输入内容所在的 Google Cloud Storage 位置。

BatchPredictionOutputConfig

models.batchPredict 操作的输出配置。

AutoML Video Intelligence 创建 gcsDestination 中指定的目录。目录的名称是"prediction-<model-display-name>-<timestamp-of-prediction-call>"，其中时间戳的格式为 YYYY-MM-DDThh:mm:ss.sssZ ISO-8601。

AutoML Video Intelligence 在新目录中创建名为 videoClassification.csv 的文件，同时为所请求的每个视频分类创建一个 JSON 文件。即，输入 CSV 文件中的每一行。

videoClassification.csv 文件的格式如下：

GCS_FILE_PATH,TIME_SEGMENT_START,TIME_SEGMENT_END,JSON_FILE_NAME,STATUS

  • GCS_FILE_PATH、TIME_SEGMENT_START、TIME_SEGMENT_END 与输入 CSV 文件中的相同字段匹配。

  • JSON_FILE_NAME 是输出目录中包含视频时间段预测响应的 JSON 文件的名称。

  • STATUS 在预测成功完成后包含“OK”；否则包含错误信息。如果 STATUS 不是“OK”，则该预测的 JSON 文件可能为空或者该文件可能不存在。

STATUS 为“OK”的每个 JSON 文件都包含采用 JSON 格式的 AnnotationPayload proto 列表，其中预测了 videoClassification.csv 中分配给该文件的视频时间段。所有 AnnotationPayload proto 都有 videoClassification 字段，并按 videoClassification.type 字段排序。返回的类型由 BatchPredictRequest.params 的 classifaction_types 参数决定。

JSON 表示法 

{
  "gcsDestination": {
    object(GcsDestination)
  }
}
字段
gcsDestination

object(GcsDestination)

目录中输出必须写入的 Google Cloud Storage 位置。