Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Vertex AI Vision è una piattaforma basata sull'IA per importare, analizzare e archiviare i dati video. Vertex AI Vision consente agli utenti di creare e implementare applicazioni con un'interfaccia utente semplificata.
Con Vertex AI Vision puoi creare soluzioni di immagini computerizzate end-to-end sfruttando l'integrazione di Vertex AI Vision con altri componenti principali, ovvero Live Video Analytics, flussi di dati e Vision Warehouse. L'API Vertex AI Vision ti consente di
creare un'app di alto livello da API di basso livello, nonché di creare e aggiornare un
flusso di lavoro di alto livello che combina più chiamate API singole. Puoi quindi eseguire il flusso di lavoro come unità inviando una singola richiesta di deployment al server della piattaforma Vertex AI Vision.
Con Vertex AI Vision puoi:
Importa i dati video in tempo reale
Analizza i dati per ottenere approfondimenti utilizzando modelli di AI visiva generali e personalizzati
Archivia gli approfondimenti in Vision Warehouse per semplificare le query e le informazioni sui metadati
Flusso di lavoro di Vertex AI Vision
I passaggi da completare per utilizzare Vertex AI Vision sono i seguenti:
Importare i dati in tempo reale
L'architettura di Vertex AI Vision ti consente di eseguire lo streaming dell'infrastruttura di importazione di video in tempo reale in modo rapido e pratico in un cloud pubblico.
Analizzare i dati
Dopo l'importazione dei dati, il framework di Vertex AI Vision ti consente di accedere e orchestrare facilmente un portafoglio ampio e in crescita di modelli di analisi generali,
personalizzati e
specializzati.
Archivia ed esegui query sull'output
Dopo che l'app ha analizzato i dati, puoi inviare queste informazioni a una destinazione di archiviazione (Vision Warehouse o BigQuery) o ricevere i dati in tempo reale. Con Vision Warehouse puoi inviare l'output della tua app a un magazzino che generalizza le tue ricerche e serve più tipi di dati e casi d'uso.
Un grafico per un'app di analisi di rilevamento della presenza di Vertex AI Vision nella Google Cloud console
Una nota sull'IA responsabile
In Google Cloud, diamo la priorità ad aiutare i clienti a sviluppare e implementare in modo sicuro soluzioni utilizzando Vertex AI Vision. Per Vertex AI Vision, ci siamo adoperati per sviluppare un rendimento equo e corretto in conformità con i principi dell'IA di Google.
Questo lavoro include i test per rilevare i bias durante lo sviluppo, ad esempio esaminando il funzionamento su diversi toni della pelle e sviluppando funzionalità dei prodotti per migliorare la privacy e limitare l'identificazione personale, come la sfocatura di persone e volti.
Ci impegniamo a eseguire l'iterazione e il miglioramento e continueremo a incorporare le best practice e le lezioni apprese nei nostri prodotti Vertex AI.
Quando Vertex AI Vision viene integrato nel contesto organizzativo unico di un cliente, è probabile che esistano ulteriori considerazioni sull'IA responsabile.
Incoraggiamo i clienti a sfruttare le best practice di equità, interpretabilità, privacy e sicurezza durante l'implementazione di Vertex AI Vision, soprattutto quando creano modelli personalizzati o con addestramento AutoML. In questa
documentazione tecnica, abbiamo fornito ulteriori indicazioni e risorse per supportare questo lavoro. Per saperne di più, consulta i consigli di Google per le pratiche di IA responsabile.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[],[],null,["# Vertex AI Vision overview\n\nVertex AI Vision is an AI-powered platform to ingest, analyze and store video\ndata. Vertex AI Vision lets users build and deploy\napplications with a simplified user interface.\n\nUsing Vertex AI Vision you can build end-to-end computer image solutions by\nleveraging Vertex AI Vision's\nintegration with other major components, namely Live Video Analytics,\ndata streams, and Vision Warehouse. The Vertex AI Vision API allows you to\nbuild a high level app from low level APIs, and create and update a high\nlevel workflow that combines multiple individual API calls. You can then\nexecute your workflow as a unit by making a single deploy request to\nthe Vertex AI Vision platform server.\n\nUsing Vertex AI Vision, you can:\n\n- Ingest real-time video data\n- Analyze data for insights using general and custom vision AI models\n- Store insights in Vision Warehouse for simplified querying and metadata information\n\nVertex AI Vision workflow\n-------------------------\n\nThe steps you complete to use Vertex AI Vision are as follows:\n\n1. **Ingest real-time data**\n\n Vertex AI Vision's architecture allows you to quickly and\n conveniently stream real-time video ingestion infrastructure in a\n public Cloud.\n2. **Analyze data**\n\n After data is ingested, Vertex AI Vision's framework provides you with easy\n access and orchestration of a large and growing portfolio of *general* ,\n *custom* ,\n \\& *specialized* analysis models.\n3. **Store and query output**\n\n After your app analyzes your data you can send this information to a\n storage destination (Vision Warehouse or BigQuery), or\n receive the data live. With Vision Warehouse you can send your app\n output to a warehouse that generalizes your search work and serves\n multiple data types and use cases.\n\n*A graph for a Vertex AI Vision occupancy analytics app in the Google Cloud console*\n\nA note on Responsible AI\n------------------------\n\nAt Google Cloud, we prioritize helping customers safely develop and implement\nsolutions using Vertex AI Vision. For Vertex AI Vision, we've worked to\ndevelop fair and equitable performance in accordance with\n[Google's AI Principles](https://ai.google/principles/).\n\nThis work includes testing for bias during development, for example looking at\nperformance across different skin tones, and developing product features to\nenhance privacy and limit personal identification, like person and face blur.\nWe are committed to iterating and improving, and we will continue to\nincorporate best practices and lessons learned into our Vertex AI\nproducts.\n\nWhen Vertex AI Vision is integrated into a customer's unique organizational\ncontext, there are likely to be additional responsible AI considerations.\nWe encourage customers to leverage fairness, interpretability, privacy and\nsecurity [best practices](https://ai.google/responsibilities/responsible-ai-practices/?category=general) when implementing Vertex AI Vision,\nespecially when building custom or AutoML trained models. Throughout this\ntechnical documentation, we have provided additional guidance and resources to\nsupport this work. To learn more, read about Google's recommendations\nfor [Responsible AI practices](https://ai.google/responsibilities/responsible-ai-practices/?category=general).\n\nWhat's next\n-----------\n\n- Read more in the blog post [\"Vertex AI Vision: Easily build and deploy computer vision\n applications at scale\"](https://cloud.google.com/blog/products/ai-machine-learning/computer-vision-for-vertex-ai).\n- Learn details about specific models in the [Occupancy analytics guide](/vision-ai/docs/occupancy-analytics-model), [Person blur guide](/vision-ai/docs/person-blur-model), [Person/vehicle detector guide](/vision-ai/docs/person-vehicle-model), or [Motion filtering guide](/vision-ai/docs/motion-filtering-model).\n- Try Vertex AI Vision in the Google Cloud console by reading the [Build an app in the console](/vision-ai/docs/build-app-console-quickstart) quickstart.\n- [Set up your local environment](/vision-ai/docs/cloud-environment) to use Vertex AI Vision."]]
