标准 TFlite 对象检测模型在 MLKit 中不起作用答案

【问题标题】：Standard TFlite object detection model not working in MLKit标准 TFlite 对象检测模型在 MLKit 中不起作用
【发布时间】：2021-01-09 19:45:24
【问题描述】：

如果我在 MLKit 中使用 Pre-Trained TFLite Object detection model，我会收到以下错误：

 CalculatorGraph::Run() failed in Run: 
    Calculator::Open() for node "BoxClassifierCalculator" failed: #vk Unexpected number of dimensions for output index 0: got 3D, expected either 2D (BxN with B=1) or 4D (BxHxWxN with B=1, W=1, H=1).

知道我可能做错了什么吗？

【问题讨论】：

标签： tensorflow tensorflow-lite google-mlkit

【解决方案1】：

ML Kit 目前还不支持自定义对象检测模型。 ML Kit 目前只允许开发人员使用自定义图像分类模型。此处列出了与 ML Kit 兼容的所有 TFLite 模型：

https://tfhub.dev/ml-kit/collections/image-classification/1

如果你想做物体检测，可以试试ML Kit的物体检测API：https://developers.google.com/ml-kit/vision/object-detection

如果你想使用自定义对象检测模型，可以试试 TFLite 任务库：

https://www.tensorflow.org/lite/inference_with_metadata/task_library/overview.

【讨论】：

mlkit 对象检测 api 支持自定义 tflite 模型多久？
我遇到了同样的问题，我使用的是developers.google.com/ml-kit/vision/object-detection/…，它应该支持自定义模型。有什么想法吗？
它支持此处列出的兼容自定义分类模型：tfhub.dev/ml-kit/collections/image-classification/1，但不支持自定义检测模型或其他任意自定义模型。
没有支持自定义检测模型的近期计划。
那么这个自定义模型检测是做什么的呢？ developers.google.com/ml-kit/vision/object-detection/…

【解决方案2】：

好吧，因为我是通过这篇关于 SO 的帖子发现的，所以我继续寻找其他选择。此处发布的教程：Tensor Flow Lite OBJ detection 做得很好。

首先添加

implementation 'org.tensorflow:tensorflow-lite-task-vision:0.2.0'

构建.gradle，这个简单的代码就像一个魅力。显然，我必须进行一些更改以反映我的特定需求，但它的检测没有错误。

val image = TensorImage.fromBitmap(bitmap)
val options = ObjectDetector.ObjectDetectorOptions.builder()
    .setMaxResults(5)
    .setScoreThreshold(0.5f)
    .build()
val detector = ObjectDetector.createFromFileAndOptions(
    this, // the application context
    "model.tflite", // must be same as the filename in assets folder
    options
)

该链接中给出了更深入的解释，这里就不多说了。希望这对其他人有帮助。

【讨论】：