Interpretar resultados de previsão com base em modelos de classificação de imagens
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. Previsões de um modelo de classificação retornam sequências e segmentos nos
vídeos que foram classificados de acordo com os próprios rótulos definidos. Cada
previsão recebe uma pontuação de confiança.
A pontuação de confiança informa o quanto o modelo associa cada
classe ou rótulo a um item de teste. Quanto maior o número, maior a confiança
do modelo de que o rótulo precisa ser aplicado a esse item. Você decide o nível
de confiança necessário para aceitar os resultados do modelo.
Controle deslizante de limite de pontuação
No console do Google Cloud, a Vertex AI fornece um controle deslizante
usado para ajustar o limite de confiança de todas as classes ou identificadores ou uma
classe ou identificador individual. O controle deslizante está disponível na página de detalhes de
um modelo na guia Avaliar. O limite de confiança é o nível de confiança que o
modelo precisa ter para atribuir uma classe ou um identificador a um item de teste. Ao
ajustar o limite, é possível ver como a precisão e o recall do modelo
mudam. Limites mais altos normalmente aumentam a precisão, mas diminuem o recall.
Exemplo de saída de previsão em lote
A amostra a seguir é o resultado previsto de um modelo que identifica
gatos e cachorros em um vídeo. O resultado inclui classificações de segmento, sequência e
intervalo de um segundo.
[[["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 2025-08-28 UTC."],[],[],null,["# Interpret prediction results from video classification models\n\nAfter requesting a prediction, Vertex AI returns results based on your\nmodel's objective. Predictions from a classification model return shots and\nsegments in your videos that have been classified according to your own defined\nlabels. Each prediction is assigned a confidence score.\n\n\nThe confidence score communicates how strongly your model associates each\nclass or label with a test item. The higher the number, the higher the model's\nconfidence that the label should be applied to that item. You decide how high\nthe confidence score must be for you to accept the model's results.\n\n\u003cbr /\u003e\n\n#### Score threshold slider\n\n\nIn the Google Cloud console, Vertex AI provides a slider that's\nused to adjust the confidence threshold for all classes or labels, or an\nindividual class or label. The slider is available on a model's detail page in\nthe **Evaluate** tab. The confidence threshold is the confidence level that\nthe model must have for it to assign a class or label to a test item. As you\nadjust the threshold, you can see how your model's precision and recall\nchanges. Higher thresholds typically increase precision and lower recall.\n\n\u003cbr /\u003e\n\n#### Example batch prediction output\n\nThe following sample is the predicted result for a model that identifies\ncats and dogs in a video. The result includes segment, shot, and one-second\ninterval classifications.\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\": \"cat\",\n \"type\": \"segment-classification\",\n \"timeSegmentStart\": \"1s\",\n \"timeSegmentEnd\": \"5s\",\n \"confidence\": 0.7\n }, {\n \"id\": \"1\",\n \"displayName\": \"cat\",\n \"type\": \"shot-classification\",\n \"timeSegmentStart\": \"1s\",\n \"timeSegmentEnd\": \"4s\",\n \"confidence\": 0.9\n }, {\n \"id\": \"2\",\n \"displayName\": \"dog\",\n \"type\": \"shot-classification\",\n \"timeSegmentStart\": \"4s\",\n \"timeSegmentEnd\": \"5s\",\n \"confidence\": 0.6\n }, {\n \"id\": \"1\",\n \"displayName\": \"cat\",\n \"type\": \"one-sec-interval-classification\",\n \"timeSegmentStart\": \"1s\",\n \"timeSegmentEnd\": \"1s\",\n \"confidence\": 0.95\n }, {\n \"id\": \"1\",\n \"displayName\": \"cat\",\n \"type\": \"one-sec-interval-classification\",\n \"timeSegmentStart\": \"2s\",\n \"timeSegmentEnd\": \"2s\",\n \"confidence\": 0.9\n }, {\n \"id\": \"1\",\n \"displayName\": \"cat\",\n \"type\": \"one-sec-interval-classification\",\n \"timeSegmentStart\": \"3s\",\n \"timeSegmentEnd\": \"3s\",\n \"confidence\": 0.85\n }, {\n \"id\": \"2\",\n \"displayName\": \"dog\",\n \"type\": \"one-sec-interval-classification\",\n \"timeSegmentStart\": \"4s\",\n \"timeSegmentEnd\": \"4s\",\n \"confidence\": 0.6\n }]\n}\n```\n\n\u003cbr /\u003e"]]