Zintegruj detektory obiektów

Wykrywacze obiektów mogą identyfikować, które z znanego zbioru obiektów mogą być obecne, i podawać informacje o ich położeniu na danym obrazie lub w strumieniu wideo. Detektor obiektów jest trenowany do wykrywania obecności i lokalizacji wielu klas obiektów. Na przykład model może być trenowany na obrazach zawierających różne owoce wraz z etykietą określającą klasę owoców (np. jabłko, banan lub truskawka) oraz danymi określającymi, gdzie każdy obiekt pojawia się na obrazie. Więcej informacji o detektorach obiektów znajdziesz w przykładzie wykrywania obiektów.

Użyj interfejsu API biblioteki zadań ObjectDetector, aby wdrożyć w aplikacjach mobilnych własne detektory obiektów lub detektory wstępnie wytrenowane.

Kluczowe funkcje interfejsu ObjectDetector API

  • Przetwarzanie obrazu wejściowego, w tym obracanie, zmiana rozmiaru i konwersja przestrzeni kolorów.

  • Etykieta lokalizacji na mapie.

  • Próg wyniku do filtrowania wyników.

  • Wyniki wykrywania k najbardziej prawdopodobnych obiektów.

  • Lista dozwolonych i odrzuconych etykiet.

Obsługiwane modele detektorów obiektów

Te modele są zgodne z ObjectDetectorAPI.

Uruchamianie wnioskowania w Javie

Przykład użycia ObjectDetector w aplikacji na Androida znajdziesz w aplikacji referencyjnej do wykrywania obiektów.

Krok 1. Zaimportuj zależność Gradle i inne ustawienia

Skopiuj plik modelu .tflite do katalogu zasobów modułu Androida, w którym będzie uruchamiany model. Określ, że plik nie powinien być kompresowany, i dodaj bibliotekę TensorFlow Lite do pliku build.gradle modułu:

android {
    // Other settings

    // Specify tflite file should not be compressed for the app apk
    aaptOptions {
        noCompress "tflite"
    }
}

dependencies {
    // Other dependencies

    // Import the Task Vision Library dependency
    implementation 'org.tensorflow:tensorflow-lite-task-vision'
    // Import the GPU delegate plugin Library for GPU inference
    implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin'
}

Krok 2. Korzystanie z modelu

// Initialization
ObjectDetectorOptions options =
    ObjectDetectorOptions.builder()
        .setBaseOptions(BaseOptions.builder().useGpu().build())
        .setMaxResults(1)
        .build();
ObjectDetector objectDetector =
    ObjectDetector.createFromFileAndOptions(
        context, modelFile, options);

// Run inference
List<Detection> results = objectDetector.detect(image);

Więcej opcji konfigurowania ObjectDetector znajdziesz w kodzie źródłowym i dokumentacji Javadoc.

Uruchamianie wnioskowania na iOS

Krok 1. Zainstaluj zależności

Biblioteka zadań obsługuje instalację za pomocą CocoaPods. Upewnij się, że w systemie jest zainstalowany CocoaPods. Instrukcje znajdziesz w przewodniku instalacji CocoaPods.

Szczegółowe informacje o dodawaniu podów do projektu w Xcode znajdziesz w przewodniku po CocoaPods.

Dodaj pod TensorFlowLiteTaskVision do pliku Podfile.

target 'MyAppWithTaskAPI' do
  use_frameworks!
  pod 'TensorFlowLiteTaskVision'
end

Upewnij się, że model .tflite, którego będziesz używać do wnioskowania, znajduje się w pakiecie aplikacji.

Krok 2. Korzystanie z modelu

Swift

// Imports
import TensorFlowLiteTaskVision

// Initialization
guard let modelPath = Bundle.main.path(forResource: "ssd_mobilenet_v1",
                                            ofType: "tflite") else { return }

let options = ObjectDetectorOptions(modelPath: modelPath)

// Configure any additional options:
// options.classificationOptions.maxResults = 3

let detector = try ObjectDetector.detector(options: options)

// Convert the input image to MLImage.
// There are other sources for MLImage. For more details, please see:
// https://developers.google.com/ml-kit/reference/ios/mlimage/api/reference/Classes/GMLImage
guard let image = UIImage (named: "cats_and_dogs.jpg"), let mlImage = MLImage(image: image) else { return }

// Run inference
let detectionResult = try detector.detect(mlImage: mlImage)

Objective-C

// Imports
#import <TensorFlowLiteTaskVision/TensorFlowLiteTaskVision.h>

// Initialization
NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"ssd_mobilenet_v1" ofType:@"tflite"];

TFLObjectDetectorOptions *options = [[TFLObjectDetectorOptions alloc] initWithModelPath:modelPath];

// Configure any additional options:
// options.classificationOptions.maxResults = 3;

TFLObjectDetector *detector = [TFLObjectDetector objectDetectorWithOptions:options
                                                                     error:nil];

// Convert the input image to MLImage.
UIImage *image = [UIImage imageNamed:@"dogs.jpg"];

// There are other sources for GMLImage. For more details, please see:
// https://developers.google.com/ml-kit/reference/ios/mlimage/api/reference/Classes/GMLImage
GMLImage *gmlImage = [[GMLImage alloc] initWithImage:image];

// Run inference
TFLDetectionResult *detectionResult = [detector detectWithGMLImage:gmlImage error:nil];

Więcej opcji konfigurowania TFLObjectDetector znajdziesz w kodzie źródłowym.

Uruchamianie wnioskowania w Pythonie

Krok 1. Zainstaluj pakiet pip

pip install tflite-support

Krok 2. Korzystanie z modelu

# Imports
from tflite_support.task import vision
from tflite_support.task import core
from tflite_support.task import processor

# Initialization
base_options = core.BaseOptions(file_name=model_path)
detection_options = processor.DetectionOptions(max_results=2)
options = vision.ObjectDetectorOptions(base_options=base_options, detection_options=detection_options)
detector = vision.ObjectDetector.create_from_options(options)

# Alternatively, you can create an object detector in the following manner:
# detector = vision.ObjectDetector.create_from_file(model_path)

# Run inference
image = vision.TensorImage.create_from_file(image_path)
detection_result = detector.detect(image)

Więcej opcji konfigurowania ObjectDetector znajdziesz w kodzie źródłowym.

Uruchamianie wnioskowania w C++

// Initialization
ObjectDetectorOptions options;
options.mutable_base_options()->mutable_model_file()->set_file_name(model_path);
std::unique_ptr<ObjectDetector> object_detector = ObjectDetector::CreateFromOptions(options).value();

// Create input frame_buffer from your inputs, `image_data` and `image_dimension`.
// See more information here: tensorflow_lite_support/cc/task/vision/utils/frame_buffer_common_utils.h
std::unique_ptr<FrameBuffer> frame_buffer = CreateFromRgbRawBuffer(
      image_data, image_dimension);

// Run inference
const DetectionResult result = object_detector->Detect(*frame_buffer).value();

Więcej opcji konfigurowania ObjectDetector znajdziesz w kodzie źródłowym.

Przykładowe wyniki

Oto przykład wyników wykrywania modelu ssd mobilenet v1 z TensorFlow Hub.

psy

Results:
 Detection #0 (red):
  Box: (x: 355, y: 133, w: 190, h: 206)
  Top-1 class:
   index       : 17
   score       : 0.73828
   class name  : dog
 Detection #1 (green):
  Box: (x: 103, y: 15, w: 138, h: 369)
  Top-1 class:
   index       : 17
   score       : 0.73047
   class name  : dog

Wyrenderuj ramki ograniczające na obrazie wejściowym:

wynik wykrywania,

Wypróbuj proste narzędzie demonstracyjne CLI dla ObjectDetector z własnym modelem i danymi testowymi.

Wymagania dotyczące zgodności modeli

Interfejs ObjectDetector API oczekuje modelu TFLite z obowiązkowymi metadanymi modelu TFLite. Zobacz przykłady tworzenia metadanych dla detektorów obiektów za pomocą interfejsu API do tworzenia metadanych TensorFlow Lite.

Zgodne modele detektorów obiektów powinny spełniać te wymagania:

  • Tensor obrazu wejściowego: (kTfLiteUInt8/kTfLiteFloat32)

    • obraz wejściowy o rozmiarze [batch x height x width x channels].
    • wnioskowanie zbiorcze nie jest obsługiwane (batch musi mieć wartość 1).
    • obsługiwane są tylko dane wejściowe RGB (wartość channels musi wynosić 3);
    • Jeśli typ to kTfLiteFloat32, do metadanych muszą być dołączone opcje normalizacji, aby można było normalizować dane wejściowe.

  • Tensory wyjściowe muszą być 4 wyjściami operacji DetectionPostProcess, czyli:

    • Tensor lokalizacji (kTfLiteFloat32)
    • tensor o rozmiarze [1 x num_results x 4], wewnętrzna tablica reprezentująca ramki ograniczające w formacie [góra, lewo, prawo, dół].
    • Właściwości BoundingBoxProperties muszą być dołączone do metadanych i muszą określać type=BOUNDARIES oraz `coordinate_type=RATIO.

    • Tensor klas (kTfLiteFloat32)

    • tensor o rozmiarze [1 x num_results], gdzie każda wartość reprezentuje indeks klasy w postaci liczby całkowitej.

    • opcjonalne (ale zalecane) mapy etykiet można dołączyć jako pliki powiązane typu TENSOR_VALUE_LABELS, zawierające po jednej etykiecie w wierszu. Zobacz przykładowy plik etykiet. Pierwszy taki element AssociatedFile (jeśli występuje) jest używany do wypełnienia pola class_name w wynikach. Pole display_name jest wypełniane na podstawie pola AssociatedFile (jeśli istnieje), którego ustawienia regionalne są zgodne z polem display_names_locale pola ObjectDetectorOptions użytego podczas tworzenia (domyślnie „en”, czyli język angielski). Jeśli żadne z nich nie są dostępne, wypełnione zostanie tylko pole index w wynikach.

    • Tensor wyników (kTfLiteFloat32)

    • tensor o rozmiarze [1 x num_results], którego każda wartość reprezentuje wynik wykrytego obiektu.

    • Liczba tensora wykrywania (kTfLiteFloat32)

    • liczba całkowita num_results jako tensor o rozmiarze [1].