ObjectDetector

이미지에서 물체 감지를 수행합니다.

API는있는 TFLite 모델 기대 TFLite 모델 메타 데이터. .

API는 1개의 이미지 입력 ​​텐서와 4개의 출력 텐서가 있는 모델을 지원합니다. 보다 구체적으로 요구 사항은 다음과 같습니다.

• 입력 화상 텐서 ( kTfLiteUInt8 / kTfLiteFloat32 )
  • 크기의 화상 입력 [batch x height x width x channels] .
  • 배치 추론 (지원하지 않는 batch 1이 될 필요가있다).
  • RGB 입력 만이 지원된다 ( channels 3을 할 필요가있다).
  • 유형이면 kTfLiteFloat32 , NormalizationOptions는 입력 정상화에 대한 메타 데이터에 첨부 될 필요가있다.
• 출력 텐서는의 사 개 출력해야합니다 DetectionPostProcess 영업 이익, 즉 :
  • 위치 텐서 ( kTfLiteFloat32 ) :
    • 크기 텐서 [1 x num_results x 4] , 형태 바운딩 박스를 나타내는 내부 배열 [좌측 상단, 우측, 하단].
    • BoundingBoxProperties 메타 데이터에 부착해야하며 지정해야 type=BOUNDARIES 및 coordinate_type=RATIO .
  • 클래스 텐서 ( kTfLiteFloat32 ) :
    • 크기 텐서 [1 x num_results] 는 클래스의 정수 인덱스를 각각 나타내는 값.
    • 라벨 맵이 같은 메타 데이터에 연결하는 경우 TENSOR_VALUE_LABELS 관련 파일들은 레이블에 텐서 값을 변환하는 데 사용됩니다.
  • 점수 텐서 ( kTfLiteFloat32 ) :
    • 크기 텐서 [1 x num_results] , 검출 대상의 점을 각각 나타내는 값.
  • 감지 텐서의 수 ( kTfLiteFloat32 ) :
    • 크기의 텐서 등 정수 NUM_RESULTS [1] .

같은 모델의 예에서 찾을 수 있습니다 TensorFlow 허브. .