隆重推出 Google AI Edge Portal：大规模对边缘 AI 进行基准测试。注册以在非公开预览期间申请访问权限。

适用于 Web 的对象检测指南

借助 MediaPipe 对象检测器任务，您可以检测多个类别的对象是否存在以及它们的位置。此任务会获取图片数据，并输出检测结果列表，其中每个结果都代表图片中识别出的一个对象。您只需使用网络浏览器即可查看、运行和修改对象检测器示例。

如需详细了解此任务的功能、模型和配置选项，请参阅概览。

设置

本部分介绍了设置开发环境以专门使用对象检测器的关键步骤。如需了解有关设置 Web 和 JavaScript 开发环境的一般信息（包括平台版本要求），请参阅 Web 设置指南。

JavaScript 软件包

对象检测器代码可通过 MediaPipe @mediapipe/tasks-vision NPM 软件包获取。您可以按照平台设置指南中的说明查找并下载这些库。

您可以使用以下命令通过 NPM 安装所需的软件包：

npm install @mediapipe/tasks-vision

如果您想通过内容分发网络 (CDN) 服务导入任务代码，请在 HTML 文件中的 <head> 标记中添加以下代码：

<!-- You can replace JSDeliver with another CDN if you prefer to -->
<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.mjs"
    crossorigin="anonymous"></script>
</head>

模型

MediaPipe 对象检测器任务需要与该任务兼容的已训练模型。如需详细了解对象检测器可用的训练模型，请参阅模型部分中的任务概览。

选择并下载模型，然后将其存储在项目目录中：

<dev-project-root>/app/shared/models/

创建任务

使用某个对象检测器 ObjectDetector.createFrom...() 函数来准备任务以运行推理。使用 createFromModelPath() 函数，并提供经过训练的模型文件的相对或绝对路径。如果您的模型已加载到内存中，则可以使用 createFromModelBuffer() 方法。以下代码示例演示了如何使用 createFromOptions() 函数，该函数可让您设置更多配置选项。如需详细了解可用的配置选项，请参阅配置选项部分。

以下代码展示了如何构建和配置此任务：

const vision = await FilesetResolver.forVisionTasks(
  // path/to/wasm/root
  "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
);
objectDetector = await ObjectDetector.createFromOptions(vision, {
  baseOptions: {
    modelAssetPath: `https://storage.googleapis.com/mediapipe-tasks/object_detector/efficientdet_lite0_uint8.tflite`
  },
  scoreThreshold: 0.5,
  runningMode: runningMode
});

如需更完整地了解如何实现创建对象检测器任务，请参阅代码示例。

配置选项

此任务针对 Web 应用具有以下配置选项：

选项名称	说明	值范围	默认值
`runningMode`	设置任务的运行模式。有两种模式： IMAGE：用于单张图片输入的模式。 VIDEO：视频或输入数据（例如来自摄像头的数据）直播的解码帧模式。	{`IMAGE, VIDEO`}	`IMAGE`
`displayNamesLocale`	设置用于显示任务模型元数据中提供的显示名称的标签语言（如果可用）。对于英语，默认值为 `en`。您可以使用 TensorFlow Lite Metadata Writer API 向自定义模型的元数据添加本地化标签	语言区域代码	en
`maxResults`	设置要返回的得分最高的检测结果的可选数量上限。	任何正数	-1（返回所有结果）
`scoreThreshold`	设置预测得分阈值，以替换模型元数据中提供的阈值（如有）。低于此值的结果将被拒绝。	任何浮点数	未设置
`categoryAllowlist`	设置允许的类别名称的可选列表。如果非空，则会过滤掉类别名称不在该集合中的检测结果。系统会忽略重复或未知的类别名称。此选项与 `categoryDenylist` 互斥，同时使用两者会导致错误。	任何字符串	未设置
`categoryDenylist`	设置不允许的类别名称的可选列表。如果非空，则会过滤掉类别名称在此集合中的检测结果。系统会忽略重复或未知的类别名称。此选项与 `categoryAllowlist` 互斥，同时使用这两个选项会导致错误。	任何字符串	未设置

准备数据

对象检测器可以检测主机浏览器支持的任何格式的图片中的对象。该任务还负责处理数据输入预处理，包括调整大小、旋转和值归一化。如需检测视频中的对象，您可以使用该 API 快速处理每个帧，并使用帧的时间戳来确定视频中手势的出现时间。

运行任务

对象检测器使用 detect() 处理单张图片，并使用 detectForVideo() 检测视频帧中的对象。该任务会处理数据，尝试识别对象，然后报告结果。

对 detect() 和 detectForVideo() 方法的调用会同步运行，并阻塞界面线程。如果您识别设备摄像头拍摄的视频帧中的对象，则每次分类都会阻塞主线程。您可以通过实现 Web Worker 在另一个线程上运行检测来防止这种情况。

以下代码展示了如何使用任务模型执行处理：

图片

const image = document.getElementById("image") as HTMLImageElement;
const detections = objectDetector.detect(image);

视频

await objectDetector.setOptions({ runningMode: "video" });

let lastVideoTime = -1;
function renderLoop(): void {
  const video = document.getElementById("video");

  if (video.currentTime !== lastVideoTime) {
    const detections = detector.detectForVideo(video);
    processResults(detections);
    lastVideoTime = video.currentTime;
  }

  requestAnimationFrame(() => {
    renderLoop();
  });
}

如需查看运行对象检测器任务的更完整实现，请参阅代码示例。

处理和显示结果

对象检测器会在每次检测运行时生成一个检测结果对象。结果对象包含一个检测列表，其中每个检测都包含检测到的对象的边界框和类别信息，包括对象的名称和置信度得分。

以下显示了此任务的输出数据示例：

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

下图显示了任务输出的可视化效果：

两只用边界框突出显示的狗

对象检测器示例代码演示了如何显示从任务返回的检测结果，详情请参阅代码示例。