ObjectDetector

Görüntüler üzerinde nesne tespiti gerçekleştirir.

API , TFLite Model Meta Verilerine sahip bir TFLite modeli beklemektedir. .

API, bir görüntü giriş tensörü ve dört çıkış tensörlü modelleri destekler. Daha spesifik olmak gerekirse, gereksinimler şunlardır.

• Giriş görüntüsü tensörü ( kTfLiteUInt8 / kTfLiteFloat32 )
  • boyut görüntü girişi [batch x height x width x channels] .
  • toplu çıkarım desteklenmiyor ( batch 1 olması gerekiyor).
  • yalnızca RGB girişleri desteklenir ( channels 3 olması gerekir).
  • tür kTfLiteFloat32 ise, giriş normalleştirmesi için normalizationOptions'ın meta verilere eklenmesi gerekir.
• Çıkış tensörleri bir DetectionPostProcess işleminin 4 çıkışı olmalıdır, yani:
  • Konum tensörü ( kTfLiteFloat32 ):
    • boyut tensörü [1 x num_results x 4] , [top, left, right, Bottom] formundaki sınırlayıcı kutuları temsil eden iç dizi.
    • BoundingBoxProperties meta verilere eklenmesi gerekir ve type=BOUNDARIES ve coordinate_type=RATIO belirtilmelidir.
  • Sınıflar tensörü ( kTfLiteFloat32 ):
    • boyut tensörü [1 x num_results] , her değer bir sınıfın tamsayı indeksini temsil eder.
    • etiket haritaları meta verilere TENSOR_VALUE_LABELS ilişkili dosyalar olarak eklenirse tensör değerlerini etiketlere dönüştürmek için kullanılırlar.
  • puan tensörü ( kTfLiteFloat32 ):
    • boyut tensörü [1 x num_results] , her değer algılanan nesnenin puanını temsil eder.
  • Algılama tensörünün sayısı ( kTfLiteFloat32 ):
    • [1] boyutunda bir tensör olarak num_results tamsayı.

Böyle bir modelin bir örneğini TensorFlow Hub'da bulabilirsiniz. .