ObjectDetector

يقوم بالكشف عن الكائن على الصور.

وAPI يتوقع نموذج TFLite مع TFLite نموذج الفوقية. .

تدعم واجهة برمجة التطبيقات (API) النماذج ذات موتر إدخال صورة واحدة وأربعة موتر إخراج. لكي تكون أكثر تحديدًا ، إليك المتطلبات.

• الإدخال صورة الموتر ( kTfLiteUInt8 / kTfLiteFloat32 )
  • إدخال صورة حجم [batch x height x width x channels] .
  • لا يتم اعتماد دفعة الاستدلال ( batch يشترط أن يكون 1).
  • فقط يتم دعم مدخلات RGB ( channels مطلوب أن يكون 3).
  • إذا كان نوع هو kTfLiteFloat32 ، يطلب NormalizationOptions لضمها الى البيانات الوصفية لتطبيع المدخلات.
• يجب أن يكون التنسورات انتاج 4 مخرجات DetectionPostProcess المرجع، أي:
  • موقع موتر ( kTfLiteFloat32 ):
    • موتر من حجم [1 x num_results x 4] ، ومجموعة داخلية تمثل صناديق إحاطة في شكل [أعلى، يسار، يمين، أسفل].
    • BoundingBoxProperties مطلوبة لضمها إلى البيانات الوصفية ويجب تحديد type=BOUNDARIES و coordinate_type=RATIO .
  • دروس موتر ( kTfLiteFloat32 ):
    • موتر من حجم [1 x num_results] ، كل قيمة تمثل مؤشر عدد صحيح من فئة.
    • إذا تعلق خرائط التسمية إلى الفوقية كما TENSOR_VALUE_LABELS المرتبطة الملفات، فهي تستخدم لتحويل القيم الموترة في العلامات.
  • عشرات موتر ( kTfLiteFloat32 ):
    • موتر من حجم [1 x num_results] ، كل قيمة تمثل درجة من الكائن المكتشف.
  • عدد موتر الكشف ( kTfLiteFloat32 ):
    • NUM_RESULTS صحيحا باعتباره موتر من حجم [1] .

مثال على هذا النموذج يمكن العثور على TensorFlow المحور. .