Tensorflow 的对象检测 API 的输出是什么？

Question

我使用了位于 https://github.com/tensorflow/models/tree/master/research/object_detection 中的 Tensorflow 的对象检测 API。我使用summarize_graph 并验证输出是detection_boxes、detection_scores、detection_classes 和num_detections。

这些是什么？其中哪个包含被检测物体的检测框坐标？

我显示了每个输出的形状并找到了它们的大小：

• detection_boxes.shape = (1,300,4)
• detection_scores.shape = (1, 300)
• detection_classes.shape = (1, 300)
• num_detections.shape = (1,)

在一张包含 8 张扑克牌的图像上进行测试时。考虑的类别是数字 A、2、3、4、5 和 6。

Answer 1

它们完全代表了名称所暗示的含义：

detection_boxes：预测对象的坐标。通常它们代表：xmin,xmax,ymin,ymax。

detection_scores：准确的每个预测的分数，即模型有 69% 的把握确定某张图片代表一张 A 牌。

detection_classes：代表预测的标签。

num_detections：模型在给定阈值的情况下能够预测的检测次数。