ImageClassifier

對圖片執行分類。

API 預期 TFLite 模型可選擇是否適當，但強烈建議使用 TFLite 模型中繼資料。

這個 API 支援具有一個映像檔輸入張量和一或多個輸出張量的模型。具體規定如下：

• 輸入圖片張量 (kTfLiteUInt8/kTfLiteFloat32)
  • 大小為 [batch x height x width x channels] 的圖片輸入。
  • 不支援批次推論 (batch 須為 1)。
  • 僅支援 RGB 輸入值 (channels 必須是 3)。
  • 如果類型為 kTfLiteFloat32，則必須將 NormalizationOptions 附加至中繼資料，才能進行輸入正規化。
• 至少一個輸出張量 (kTfLiteUInt8/kTfLiteFloat32)，同時符合以下條件：
  • N 類別，以及 2 或 4 個維度，例如 [1 x N] 或 [1 x 1 x 1 x N]
  • 選用 (但建議使用) 標籤對應關係做為 TENSOR_AXIS_LABELS 類型的 AssociatedFile-s，每行一個標籤。第一個這類 AssociatedFile (如有) 會用來填入結果的 class_name 欄位。系統會從 AssociatedFile (如有) 中填入 display_name 欄位，這個欄位的語言代碼與建立時所用 ImageClassifierOptions 的 display_names_locale 欄位相符 (預設為「en」，即英文)。如果這些方法都不適用，系統只會填入結果的 index 欄位。
  • 選用的分數校正功能可以使用 ScoreCalibrationOptions 和類型 TENSOR_AXIS_SCORE_CALIBRATION 的 AssociatedFile 附加。詳情請參閱 metadata_schema.fbs。

您可以前往 TensorFlow Hub 查看這類模型的範例。