ImageSegmenter

छवियों पर विभाजन करता है.

एपीआई TFLite मॉडल मेटाडेटा के साथ TFLite मॉडल की अपेक्षा करता है। .

एपीआई एक इमेज इनपुट टेंसर और एक आउटपुट टेंसर वाले मॉडल का समर्थन करता है। अधिक विशिष्ट होने के लिए, यहाँ आवश्यकताएँ हैं।

• इनपुट छवि टेंसर ( kTfLiteUInt8 / kTfLiteFloat32 )
  • आकार का छवि इनपुट [batch x height x width x channels]
  • बैच अनुमान समर्थित नहीं है ( batch 1 होना आवश्यक है)।
  • केवल RGB इनपुट समर्थित हैं ( channels 3 होना आवश्यक है)।
  • यदि प्रकार kTfLiteFloat32 है, तो इनपुट सामान्यीकरण के लिए मेटाडेटा में सामान्यीकरण विकल्प संलग्न करना आवश्यक है।
• आउटपुट छवि टेंसर ( kTfLiteUInt8 / kTfLiteFloat32 )
  • आकार का टेंसर [batch x mask_height x mask_width x num_classes] , जहां batch 1 होना आवश्यक है, mask_width और mask_height मॉडल द्वारा निर्मित सेगमेंटेशन मास्क के आयाम हैं, और num_classes मॉडल द्वारा समर्थित वर्गों की संख्या है।
  • वैकल्पिक (लेकिन अनुशंसित) लेबल मानचित्र को TENSOR_AXIS_LABELS प्रकार के साथ एसोसिएटेडफाइल-एस के रूप में संलग्न किया जा सकता है, जिसमें प्रति पंक्ति एक लेबल होता है। इस तरह की पहली एसोसिएटेड फ़ाइल (यदि कोई हो) का उपयोग परिणामों के वर्ग नाम, यानी ColoredLabel.getlabel() को भरने के लिए किया जाता है। डिस्प्ले नाम, यानी ColoredLabel.getDisplayName() , एसोसिएटेडफाइल (यदि कोई हो) से भरा जाता है, जिसका स्थान निर्माण के समय उपयोग किए गए `ImageSegmenterOptions` के `display_names_locale` फ़ील्ड से मेल खाता है (डिफ़ॉल्ट रूप से (डिफ़ॉल्ट रूप से, यानी अंग्रेजी)। यदि इनमें से कोई भी उपलब्ध नहीं है, तो परिणामों का केवल `सूचकांक` फ़ील्ड भरा जाएगा।

ऐसे मॉडल का एक उदाहरण TensorFlow हब पर पाया जा सकता है। .