ObjectDetector

Görüntüler üzerinde nesne algılama gerçekleştirir.

API ile TFLite modeli beklediği TFLite Modeli Meta. .

API, bir görüntü giriş tensörü ve dört çıkış tensörü olan modelleri destekler. Daha spesifik olmak gerekirse, gereksinimler şunlardır.

• Girdi görüntü tensör ( kTfLiteUInt8 / kTfLiteFloat32 )
  • boyutu görüntü giriş [batch x height x width x channels] .
  • Toplu çıkarım (desteklenmeyen batch 1 olması gereklidir).
  • RGB girişi desteklenir ( channels 3 olması gereklidir).
  • türü ise kTfLiteFloat32 , NormalizationOptions giriş normalleşme meta bağlı olmak gerekmektedir.
• Çıkış tansörleri bir 4 çıkış olmalıdır DetectionPostProcess op, örneğin:
  • Yer tensör ( kTfLiteFloat32 ):
    • boyutta tensör [1 x num_results x 4] formunda sınırlayıcı çerçevelerini ifade eden iç dizi [sol üst, sağ, alt].
    • BoundingBoxProperties meta verilere bağlı olması gereklidir ve belirtmelidir type=BOUNDARIES ve coordinate_type=RATIO .
  • Sınıflar tensör ( kTfLiteFloat32 ):
    • boyutta tensör [1 x num_results] , bir sınıfın tam sayı dizini temsil eden değer.
    • etiket haritalar gibi meta veriler ekli ise TENSOR_VALUE_LABELS ilişkili dosyalar, bunlar etiketler halinde tensör değerlerini dönüştürmek için kullanılır.
  • Skorlar tensör ( kTfLiteFloat32 ):
    • boyutta tensör [1 x num_results] , tespit edilen nesnenin puan temsil eden değer.
  • Algılama tensörünün sayısı ( kTfLiteFloat32 ):
    • boyuttaki bir tensör olarak tamsayıdır num_results [1] .

Böyle bir modelin bir örneği, bulunabilir TensorFlow Hub. .