ObjectDetector

Esegue il rilevamento degli oggetti sulle immagini.

L'API prevede un modello TFLite con metadati del modello TFLite. .

L'API supporta modelli con un tensore di input dell'immagine e quattro tensori di output. Per essere più specifici, ecco i requisiti.

• Tensore immagine di input ( kTfLiteUInt8 / kTfLiteFloat32 )
  • input immagine di dimensioni [batch x height x width x channels] .
  • l'inferenza batch non è supportata ( batch deve essere 1).
  • sono supportati solo gli ingressi RGB ( channels devono essere 3).
  • se il tipo è kTfLiteFloat32 , è necessario allegare NormalizationOptions ai metadati per la normalizzazione dell'input.
• I tensori di output devono essere i 4 output di un'operazione DetectionPostProcess , ovvero:
  • Tensore di posizione ( kTfLiteFloat32 ):
    • tensore di dimensione [1 x num_results x 4] , l'array interno che rappresenta i riquadri di delimitazione nella forma [in alto, a sinistra, a destra, in basso].
    • È necessario che BoundingBoxProperties sia allegato ai metadati e deve specificare type=BOUNDARIES e coordinate_type=RATIO .
  • Tensore delle classi ( kTfLiteFloat32 ):
    • tensore di dimensione [1 x num_results] , ogni valore rappresenta l'indice intero di una classe.
    • se le mappe delle etichette sono allegate ai metadati come file associati TENSOR_VALUE_LABELS , vengono utilizzate per convertire i valori del tensore in etichette.
  • tensore dei punteggi ( kTfLiteFloat32 ):
    • tensore di dimensione [1 x num_results] , ciascun valore rappresenta il punteggio dell'oggetto rilevato.
  • Numero di tensore di rilevamento ( kTfLiteFloat32 ):
    • intero num_results come tensore di dimensione [1] .

Un esempio di tale modello può essere trovato su TensorFlow Hub. .