Depois de criar (treinar) um modelo, você pode solicitar uma previsão para uma imagem usando o método predict. O método predict
aplica rótulos à imagem com base no objeto principal que seu modelo prevê.
Previsão on-line (individual)
Nesta seção, descrevemos o envio de um arquivo individual para anotação. Essa solicitação retornará imediatamente uma resposta.
Também é possível enviar um lote de arquivos para anotação. A Anotação de arquivo em lote é uma operação de longa duração e armazena os resultados em um bucket do Cloud Storage de sua escolha.
IU da Web
Abra Vision Dashboarde clique no ícone de lâmpada na barra de navegação esquerda para exibir os modelos disponíveis.
Para ver os modelos de outro projeto, selecione o projeto na lista suspensa na parte superior direita da barra de título.
Clique na linha do modelo que você quer usar para rotular suas imagens.
Clique na guia Testar e usar logo abaixo da barra de título.
Clique em Fazer upload de imagens para fazer upload das imagens que você quer rotular.
REST
Para testar a previsão, primeiro implante o modelo hospedado na nuvem.
Antes de usar os dados da solicitação abaixo, faça estas substituições:
- project-id: o ID do projeto do GCP.
- model-id: o ID do seu modelo, a partir da
resposta de quando você o criou. Ele é o último elemento no nome do modelo.
Por exemplo:
- Nome do modelo:
projects/project-id/locations/location-id/models/IOD4412217016962778756
- ID do modelo:
IOD4412217016962778756
- Nome do modelo:
- base64-encoded-image: a representação base64 (string ASCII) dos dados da imagem binária. Essa string precisa ser semelhante à
seguinte string:
/9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==
. Consulte o tópico Codificação Base64 para mais informações.
Considerações específicas de campo:
scoreThreshold
: um valor de 0 a 1. Apenas valores com limites de pontuação de pelo menos esse valor serão exibidos. O valor padrão é 0,5.
Método HTTP e URL:
POST https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/models/MODEL_ID:predict
Corpo JSON da solicitação:
{ "payload": { "image": { "imageBytes": "BASE64_ENCODED_IMAGE" } }, "params": { "scoreThreshold": "0.5" } }
Para enviar a solicitação, escolha uma destas opções:
curl
Salve o corpo da solicitação em um arquivo com o nome request.json
e execute o comando a seguir:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/models/MODEL_ID:predict"
PowerShell
Salve o corpo da solicitação em um arquivo com o nome request.json
e execute o comando a seguir:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/models/MODEL_ID:predict" | Select-Object -Expand Content
A saída é retornada no formato JSON. As previsões do seu modelo do AutoML Vision estão contidas no campo payload
.
displayName
é o rótulo do objeto previsto pelo modelo AutoML Vision.score
representa um nível de confiança que o rótulo especificado aplica à imagem. Varia de0
(sem confiança) a1
(alta confiança).
{ "payload": [ { "annotationSpecId": "7922029656637702144", "classification": { "score": 0.9960259 }, "displayName": "roses" } ] }
Go
Antes de testar esta amostra, siga as instruções de configuração dessa linguagem na página Bibliotecas de cliente.
Java
Antes de testar esta amostra, siga as instruções de configuração dessa linguagem na página Bibliotecas de cliente.
Node.js
Antes de testar esta amostra, siga as instruções de configuração dessa linguagem na página Bibliotecas de cliente.
Python
Antes de testar esta amostra, siga as instruções de configuração dessa linguagem na página Bibliotecas de cliente.
Outras linguagens
C#: Siga as Instruções de configuração do C# na página das bibliotecas de cliente e acesse a Documentação de referência do AutoML Vision para .NET.
PHP: Siga as Instruções de configuração do PHP na página das bibliotecas de cliente e acesse a Documentação de referência do AutoML Vision para PHP.
Ruby: Siga as Instruções de configuração do Ruby na página das bibliotecas de cliente e acesse a Documentação de referência do AutoML Vision para Ruby.