ObjectDetector

对图片执行对象检测。

API 需要具有 TFLite 模型元数据的 TFLite 模型。

该 API 支持具有一个图像输入张量和四个输出张量的模型。具体要求如下。

• 输入图片张量 (kTfLiteUInt8/kTfLiteFloat32)
  • 图片输入，大小为 [batch x height x width x channels]。
  • 不支持批量推理（batch 必须为 1）。
  • 仅支持 RGB 输入（channels 必须为 3）。
  • 如果类型为 kTfLiteFloat32，则 NormalizationOptions 需要附加到元数据才能进行输入归一化。
• 输出张量必须是 DetectionPostProcess 操作的 4 个输出，即：
  • Location 张量 (kTfLiteFloat32)：
    • 大小为 [1 x num_results x 4] 的张量，表示内部数组，表示边界框，形式为 [top, left, right, bottom]。
    • BoundingBoxProperties 需要附加到元数据，并且必须指定 type=BOUNDARIES 和 coordinate_type=RATIO。
  • 类张量 (kTfLiteFloat32)：
    • 大小为 [1 x num_results] 的张量，每个值表示类的整数索引。
    • 如果标签映射作为 TENSOR_VALUE_LABELS 关联文件附加到元数据，则它们用于将张量值转换为标签。
  • 得分张量 (kTfLiteFloat32)：
    • 大小为 [1 x num_results] 的张量，每个值表示检测到的对象的得分。
  • 检测张量 (kTfLiteFloat32) 的数量：
    • 作为大小为 [1] 的张量的整数 num_results。

此类模型的示例可在 TensorFlow Hub 上找到。