Interpretar resultados de previsão de modelos de reconhecimento de ações em vídeo
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Depois de solicitar uma previsão, a Vertex AI retorna resultados com base no
objetivo do modelo. As previsões de um modelo de reconhecimento de ações retornam momentos de ações,
de acordo com rótulos que você define. O modelo atribui uma pontuação
de confiança a cada previsão, que comunica o nível de confiança e precisão
com que seu modelo identificou uma ação. Quanto mais alto for o número, maior será a
confiança do modelo na precisão da previsão.
Exemplo de saída de previsão em lote
A amostra a seguir é o resultado previsto de um modelo que identifica
as ações de "balanço" e "pulo" em um vídeo. Cada resultado inclui um rótulo
("balanço" ou "pulo") para a ação identificada, um segmento de tempo com o mesmo
horário de início e término que especifica o momento da ação e uma
pontuação de confiança.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-19 UTC."],[],[],null,["# Interpret prediction results from video action recognition models\n\nAfter requesting a prediction, Vertex AI returns results based on your\nmodel's objective. Predictions from an action recognition model return moments\nof actions, according to your own defined labels. The model assigns a confidence\nscore to each prediction, which communicates how confident your model accurately\nidentified an action. The higher the number - the higher the model's confidence\nis of the correctness of the prediction.\n\n#### Example batch prediction output\n\nThe following sample is the predicted result for a model that identifies\nthe \"swing\" and \"jump\" actions in a video. Each result includes a label\n(\"swing\" or \"jump\") for the identified action, a time segment with the same\nstart and end time that specifies the moment of the action, and a\nconfidence score.\n\n\n| **Note**: The following JSON Lines example includes line breaks for\n| readability. In your JSON Lines files, line breaks are included only after each\n| each JSON object.\n\n\u003cbr /\u003e\n\n\n```\n{\n \"instance\": {\n \"content\": \"gs://bucket/video.mp4\",\n \"mimeType\": \"video/mp4\",\n \"timeSegmentStart\": \"1s\",\n \"timeSegmentEnd\": \"5s\"\n }\n \"prediction\": [{\n \"id\": \"1\",\n \"displayName\": \"swing\",\n \"timeSegmentStart\": \"1.2s\",\n \"timeSegmentEnd\": \"1.2s\",\n \"confidence\": 0.7\n }, {\n \"id\": \"2\",\n \"displayName\": \"jump\",\n \"timeSegmentStart\": \"3.4s\",\n \"timeSegmentEnd\": \"3.4s\",\n \"confidence\": 0.5\n }]\n}\n```\n\n\u003cbr /\u003e"]]