解讀圖片物件偵測模型的預測結果

提出預測要求後，Gemini Enterprise Agent Platform 會根據模型的目標傳回結果。AutoML 圖片物件偵測預測回應會傳回圖片中找到的所有物件。每個找到的物件都有註解 (標籤和標準化定界框)，以及相應的可信度分數。定界框的寫法如下：

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

其中 xMin, xMax 分別是 x 值的最小值和最大值， yMin, yMax 分別是 y 值的最小值和最大值。

批次預測輸出內容範例

批次 AutoML 圖片物件偵測預測回應會以 JSON Lines 檔案的形式，儲存在 Cloud Storage 值區中。JSON Lines 檔案的每一行都包含單一圖片檔案中找到的所有物件。每個找到的物件都有註解 (標籤和標準化邊界方塊)，以及對應的信賴分數。

Note: Zero coordinate values omitted. When the API detects a coordinate ("x" or "y") value of 0, that coordinate is omitted in the JSON response. Thus, a response with a bounding poly around the entire image would be
[{},{"x": 1,"y": 1}]. For more information, see Method: projects.locations.models.predict.

注意：為了方便閱讀，下列 JSON Lines 範例包含換行。在 JSON Lines 檔案中，只有在每個 JSON 物件之後才會加入換行符號。

重要事項： 指定的邊界框格式如下：

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

其中 xMin 和 xMax 分別是 x 值的最小值和最大值， yMin 和 yMax 則是 y 值的最小值和最大值。

{
  "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]
  }
}