ObjectDetector

對圖片執行物件偵測。

API 會使用 TFLite 模型中繼資料的 TFLite 模型。

這個 API 支援具有一個圖片輸入張量和四個輸出張量的模型。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，以便進行輸入正規化作業。
• 輸出張量必須是 DetectionPostProcess 運算的 4 項輸出內容，例如：
  • 位置張量 (kTfLiteFloat32)：
    • 大小為 [1 x num_results x 4] 的張量，代表定界框的內部陣列，格式為 [top、left、right、bottom]。
    • BoundingBoxProperties 必須附加至中繼資料，且指定 type=BOUNDARIES 和 coordinate_type=RATIO。
  • 類別張量 (kTfLiteFloat32)：
    • 大小為 [1 x num_results] 的張量，每個值都代表類別的整數索引。
    • 如果標籤對應關係是以 TENSOR_VALUE_LABELS 相關檔案的形式附加至中繼資料，就會用於將 Tensor 值轉換為標籤。
  • 分數張量 (kTfLiteFloat32)：
    • 大小為 [1 x num_results] 的張量，每個值都代表偵測到物件的分數。
  • 偵測張量 (kTfLiteFloat32)：
    • 整數 num_results 為大小 [1] 的張量。

TensorFlow Hub 提供了這類模型的範例。