REST 资源：projects.locations.models.modelEvaluations

资源：ModelEvaluation

模型的评估结果。

JSON 表示法 

{
  "name": string,
  "annotationSpecId": string,
  "displayName": string,
  "createTime": string,
  "evaluatedExampleCount": number,
  "videoObjectTrackingEvaluationMetrics": {
    object(VideoObjectTrackingEvaluationMetrics)
  }
}
字段
name

string

仅限输出。模型评估的资源名称。格式：

projects/{project_id}/locations/{locationId}/models/{modelId}/modelEvaluations/{model_evaluation_id}
annotationSpecId

string

仅限输出。模型评估适用的注释规范的 ID。整体模型评估的 ID 为空。对于表格分类，这些值是评估时目标列的不同值；对于此问题，数据集中无注释规范。注意：目前无法从注释规范的 ID 获取其 displayName。要查看 display_name，请查看界面中的模型评估。
displayName

string

仅限输出。训练模型时 AnnotationSpec.display_name 的值。此字段在模型训练时会返回一个值，对于使用相同数据集训练的不同模型，返回值可能不同，因为模型所有者可以更新任何两个模型训练之间的 displayName。整体模型评估的 displayName 为空。

createTime

string (Timestamp format)

仅限输出。创建此模型评估时的时间戳。

此时间戳采用 RFC3339 世界协调时间 (UTC)（即“祖鲁时”）格式，且精确到纳秒。例如："2014-10-02T15:01:23.045123456Z"。
evaluatedExampleCount

number

仅限输出。用于模型评估的样本数，评估时将模型创建时的评估依据与模型创建的预测注释进行比较。对于整体 ModelEvaluation（即未设置 annotationSpecId），这是用于评估的所有样本的总数。否则，这是根据评估依据由以下项注释的样本数：

annotationSpecId。
videoObjectTrackingEvaluationMetrics

object(VideoObjectTrackingEvaluationMetrics)

对象跟踪模型的评估指标。

VideoObjectTrackingEvaluationMetrics

视频对象跟踪问题的模型评估指标。评估标记的边界框和标记的轨道（即共享相同标签和实例 ID 的一系列边界框）的预测质量。

JSON 表示法 

{
  "evaluatedFrameCount": number,
  "evaluatedBoundingBoxCount": number,
  "evaluatedTrackCount": number,
  "boundingBoxMetricsEntries": [
    {
      object(BoundingBoxMetricsEntry)
    }
  ],
  "boundingBoxMeanAveragePrecision": number
}
字段
evaluatedFrameCount

number

仅限输出。用于创建此评估的视频帧数。

evaluatedBoundingBoxCount

number

仅限输出。用于创建此评估的原标记已有的边界框总数（即对所有帧求和）。

evaluatedTrackCount

number

仅限输出。用于创建此评估的原标记已有的轨道总数（即在所有帧中看到的）。

boundingBoxMetricsEntries[]

object(BoundingBoxMetricsEntry)

仅限输出。边界框匹配每个交并比阈值 0.05、0.10、...、0.95、0.96、0.97、0.98、0.99 以及每个标签置信度阈值 0.05、0.10、...、0.95、0.96、0.97、0.98、0.99 对的指标。

boundingBoxMeanAveragePrecision

number

仅限输出。边界框评估的单一指标：所有 boundingBoxMetricsEntries 的平均值 meanAveragePrecision。

BoundingBoxMetricsEntry

边界框匹配单个交并比阈值和多个标签匹配置信度阈值的模型指标。

JSON 表示法 

{
  "iouThreshold": number,
  "meanAveragePrecision": number,
  "confidenceMetricsEntries": [
    {
      object(ConfidenceMetricsEntry)
    }
  ]
}
字段
iouThreshold

number

仅限输出。用于计算此指标条目的交并比阈值。

meanAveragePrecision

number

仅限输出。平均精度，通常接近 auPrc。

confidenceMetricsEntries[]

object(ConfidenceMetricsEntry)

仅限输出。每个标签匹配的置信度阈值的指标，范围为 0.05、0.10、...、0.95、0.96、0.97、0.98、0.99。由这些指标可以得到精确率/召回率曲线。

ConfidenceMetricsEntry

单个置信度阈值的指标。

JSON 表示法 

{
  "confidenceThreshold": number,
  "recall": number,
  "precision": number,
  "f1Score": number
}
字段
confidenceThreshold

number

仅限输出。用于计算指标的置信度阈值。

recall

number

仅限输出。指定置信度阈值下的召回率。

precision

number

仅限输出。指定置信度阈值下的精确率。

f1Score

number

仅限输出。召回率和精确率的调和平均数。

方法

get

 获取模型评估。

list

 列出模型评估。