Запропоновано метод ранжування хмарних сервісів за малих тестових датасетів. При цьому користувач формує тестові датасети з урахуванням профілю власних задач розпізнавання об'єктів. Запропонований метод базується на трьох частинних метриках, кожна з яких враховує ту чи іншу особливість хмарних сервісів. Перша метрика - це різниця між добутком рівнів впевненості правильно розпізнаних об'єктів та добутком рівнів впевненості хибно розпізнаних об'єктів. Друга метрика - це медіанне значення довжини списку виявлених об'єктів до першої помилки. Список об'єктів має бути відсортовано за спаданням впевненості. Перші дві частинні метрики є традиційними, а третя - новою. Фінальне рішення ухвалюється за консолідованим рейтингом, який агрегує три частинні метрики. Застосування методу ілюструється на задачі ранжування хмарних сервісів Microsoft Azure AI Vision Studio, Amazon Rekognition, Google Cloud Vision та Imagga.