ObjectDetector

ดำเนินการตรวจจับวัตถุบนภาพ

API ที่คาดว่าจะมีรูปแบบ TFLite กับ TFLite รุ่นเมตาดาต้า .

API รองรับโมเดลที่มีเทนเซอร์อินพุตรูปภาพหนึ่งตัวและเทนเซอร์เอาต์พุตสี่ตัว เพื่อให้เจาะจงยิ่งขึ้น นี่คือข้อกำหนด

• เมตริกซ์ภาพที่นำเข้า ( kTfLiteUInt8 / kTfLiteFloat32 )
  • ภาพข้อมูลขนาด [batch x height x width x channels]
  • อนุมานชุดไม่ได้รับการสนับสนุน ( batch จะต้อง 1)
  • เพียงปัจจัยการผลิต RGB ได้รับการสนับสนุน ( channels จะต้อง 3)
  • ถ้าเป็นประเภท kTfLiteFloat32 , NormalizationOptions จะต้องแนบมากับเมตาสำหรับการฟื้นฟูการป้อนข้อมูล
• เอาท์พุทเทนเซอร์จะต้องเป็น 4 เอาท์พุทของ DetectionPostProcess สหกรณ์เช่น:
  • เมตริกซ์ที่ตั้ง ( kTfLiteFloat32 ):
    • เมตริกซ์ขนาด [1 x num_results x 4] อาร์เรย์ภายในที่เป็นตัวแทนของกล่องวิ่งในรูปแบบ [ด้านบนซ้ายขวาด้านล่าง]
    • BoundingBoxProperties จะต้องแนบมากับเมตาและต้องระบุ type=BOUNDARIES และ coordinate_type=RATIO
  • เรียนเมตริกซ์ ( kTfLiteFloat32 ):
    • เมตริกซ์ขนาด [1 x num_results] ค่าที่เป็นตัวแทนของดัชนีจำนวนเต็มของชั้นเรียนแต่ละคน
    • ถ้าแผนที่ฉลากที่แนบมากับเมตาดาต้าเป็น TENSOR_VALUE_LABELS เกี่ยวข้องไฟล์พวกเขาจะใช้ในการแปลงค่าเมตริกซ์ลงในป้าย
  • คะแนนเมตริกซ์ ( kTfLiteFloat32 ):
    • เมตริกซ์ขนาด [1 x num_results] มูลค่าคิดเป็นคะแนนของวัตถุที่ตรวจพบในแต่ละ
  • จำนวนของการตรวจสอบเมตริกซ์ ( kTfLiteFloat32 ):
    • NUM_RESULTS จำนวนเต็มเป็นเมตริกซ์ที่มีขนาด [1]

ตัวอย่างของรุ่นดังกล่าวสามารถพบได้บน TensorFlow Hub .