您可以从Cloud ML的预测输出中发布流程结果吗？

Question

我有一个在Google Cloud ML上运行的对象检测模型（来自Tensorflow的Object Detection API的Fast RCNN）。我也有一些代码可以根据大小，长宽比等来过滤结果边界框。

1. 是否可以在预测过程中运行此代码，因此以后不需要运行单独的过程。

2. 由于当前输出大量无关数据，因此可以基于某个置信度阈值来限制模型预测的边界框的数量。

Answer 1

1. 您只需将过滤器逻辑添加到预测过程代码中，然后再部署回去。
2. 是的，您可以在 visualize_boxes_and_labels_on_image_array 中使用 min_score_thresh 参数。使用以下代码

vis_util.visualize_boxes_and_labels_on_image_array(
        image_np,
        np.squeeze(boxes),
        np.squeeze(classes).astype(np.int32),
        np.squeeze(scores),
        category_index,
        use_normalized_coordinates=True,
        line_thickness=4,
        min_score_thresh=.9)

这将导致边界框的置信度得分大于或等于90％。将其更改为0到1之间的任何值。

Answer 2

我将回答（1）：我们有一个Alpha API允许这样做。请联系cloudml-feedback@google.com了解更多信息。