ObjectDetector
با مجموعهها، منظم بمانید
ذخیره و دستهبندی محتوا براساس اولویتهای شما.
تشخیص اشیا را روی تصاویر انجام می دهد.
API انتظار دارد یک مدل TFLite با فراداده مدل TFLite باشد. .
API از مدل هایی با یک تانسور ورودی تصویر و چهار تانسور خروجی پشتیبانی می کند. برای دقیق تر، در اینجا الزامات وجود دارد.
- تانسور تصویر ورودی (
kTfLiteUInt8
/ kTfLiteFloat32
)- اندازه ورودی تصویر
[batch x height x width x channels]
. - استنتاج دسته ای پشتیبانی نمی شود (
batch
باید 1 باشد). - فقط ورودی های RGB پشتیبانی می شوند (
channels
باید 3 باشند). - اگر نوع
kTfLiteFloat32
باشد، برای عادی سازی ورودی، باید گزینه های Normalization به ابرداده متصل شوند.
تانسورهای خروجی باید 4 خروجی یک DetectionPostProcess
باشند، یعنی:- تانسور مکان (
kTfLiteFloat32
):- تانسور اندازه
[1 x num_results x 4]
، آرایه داخلی جعبههای محدودکننده را به شکل [بالا، چپ، راست، پایین] نشان میدهد. -
BoundingBoxProperties
برای پیوست شدن به ابرداده الزامی است و باید type=BOUNDARIES
و coordinate_type=RATIO
را مشخص کند.
تانسور کلاس ها ( kTfLiteFloat32
):- تانسور اندازه
[1 x num_results]
، که هر مقدار نمایانگر شاخص عدد صحیح یک کلاس است. - اگر نقشههای برچسب به عنوان فایلهای مرتبط
TENSOR_VALUE_LABELS
به ابرداده متصل شوند، برای تبدیل مقادیر تانسور به برچسبها استفاده میشوند.
تانسور امتیازات ( kTfLiteFloat32
):- تانسور اندازه
[1 x num_results]
، که هر مقدار نشان دهنده امتیاز شی شناسایی شده است.
تعداد تانسور تشخیص ( kTfLiteFloat32
):- عدد صحیح num_results به عنوان تانسور اندازه
[1]
.
نمونه ای از چنین مدلی را می توان در TensorFlow Hub یافت. .
روش های ارثی
از کلاس java.lang.Object بولی | |
کلاس نهایی <?> | getClass () |
بین المللی | هش کد () |
باطل نهایی | اعلام کردن () |
باطل نهایی | اطلاع رسانی به همه () |
رشته | toString () |
باطل نهایی | صبر کنید (long arg0، int arg1) |
باطل نهایی | صبر کنید (طولانی arg0) |
باطل نهایی | صبر کن () |
از رابط java.io.Closeable از رابط java.lang.AutoCloseable روش های عمومی
عمومی استاتیک ObjectDetector createFromFile (متن زمینه، رشته مدلPath)
مولفه های
متن نوشته | |
---|
modelPath | مسیر به مدل تشخیص با ابرداده در دارایی ها |
---|
مولفه های
متن نوشته | |
---|
modelPath | مسیر به مدل تشخیص با ابرداده در دارایی ها |
---|
گزینه ها | |
---|
مولفه های
modelFile | نمونه File مدل تشخیص |
---|
گزینه ها | |
---|
تشخیص واقعی را در MlImage
ارائه شده انجام می دهد.
مولفه های
تصویر | یک شی MlImage که یک تصویر را نشان می دهد |
---|
مولفه های
تصویر | یک شی UINT8 TensorImage که یک تصویر RGB یا YUV را نشان می دهد |
---|
گزینه ها | گزینه هایی برای پیکربندی نحوه پیش پردازش تصویر |
---|
مولفه های
تصویر | یک شی MlImage که یک تصویر را نشان می دهد |
---|
گزینه ها | گزینه هایی برای پیکربندی نحوه پیش پردازش تصویر |
---|
مولفه های
تصویر | یک شی UINT8 TensorImage که یک تصویر RGB یا YUV را نشان می دهد |
---|
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2023-12-01 بهوقت ساعت هماهنگ جهانی.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"اطلاعاتی که نیاز دارم وجود ندارد"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"بیشازحد پیچیده/ مراحل بسیار زیاد"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"قدیمی"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"مشکل ترجمه"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"مشکل کد / نمونهها"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"غیره"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"درک آسان"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"مشکلم را برطرف کرد"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"غیره"
}]