ObjectDetector

מבצע זיהוי אובייקטים בתמונות.

ה- API מצפה מודל TFLite עם TFLite דגם Metadata. .

ה- API תומך במודלים עם טנסור קלט תמונה אחד וארבעה טנסורים של פלט. ליתר דיוק, להלן הדרישות.

• מותח תמונת קלט ( kTfLiteUInt8 / kTfLiteFloat32 )
  • קלט תמונה בגודל [batch x height x width x channels] .
  • מסקנה אצווה אינה נתמכת ( batch נדרש להיות 1).
  • תשומות RGB בלבד נתמכות ( channels נדרשו להיות 3).
  • אם סוג הוא kTfLiteFloat32 , NormalizationOptions נדרש להיות מחובר metadata עבור נורמליזצית קלט.
• Tensors פלט חייב להיות 4 יציאות של DetectionPostProcess op, כלומר:
  • מותח מיקום ( kTfLiteFloat32 ):
    • מותח של גודל [1 x num_results x 4] , המערך הפנימי המייצג תיבות תוחמות בצורה [העליונה, שמאלה, ימינה, למטה].
    • BoundingBoxProperties נדרש להיות מחובר metadata וחייב לציין type=BOUNDARIES ועל coordinate_type=RATIO .
  • חוגים מותחים ( kTfLiteFloat32 ):
    • מותח של גודל [1 x num_results] , כול ערך המייצג את המדד השלם של כיתה.
    • אם מפות תווית מחוברות מטה כפי TENSOR_VALUE_LABELS קבצים הקשורים, הם משמשים כדי להמיר את הערכים מותחים לתוך תוויות.
  • מותח ציוני ( kTfLiteFloat32 ):
    • מותח של גודל [1 x num_results] , כל ערך המייצג את התוצאה של אובייקט מזוהה.
  • מספר מותח זיהוי ( kTfLiteFloat32 ):
    • NUM_RESULTS שלם בתור מותח של גודל [1] .

דוגמה למודל כזה ניתן למצוא באתר TensorFlow Hub. .