tensorflow - 返回边界框的坐标 Google 的对象检测 API

Question

如何使用 Google 对象检测 API 的推理脚本获取生成的边界框的坐标？我知道打印 box[0][i] 返回图像中第 i 个检测的预测，但是这些返回的数字到底是什么意思？有没有办法让我得到 xmin，ymin，xmax，ymax？提前致谢。

Answer 1

Google 对象检测 API 返回格式为 [ymin, xmin, ymax, xmax] 和标准化形式的边界框（此处有完整说明）。要找到 (x,y) 像素坐标，我们需要将结果乘以图像的宽度和高度。首先获取图像的宽度和高度：

width, height = image.size

然后，从对象中提取 ymin,xmin,ymax,xmaxboxes并乘以得到 (x,y) 坐标：

ymin = boxes[0][i][0]*height
xmin = boxes[0][i][1]*width
ymax = boxes[0][i][2]*height
xmax = boxes[0][i][3]*width

最后打印框角的坐标：

print 'Top left'
print (xmin,ymin,)
print 'Bottom right'
print (xmax,ymax)

Answer 2

您提到的 box 数组包含此信息，格式为 [N, 4] 数组，其中每一行的格式为：[ymin, xmin, ymax, xmax] 在相对于输入图像大小的标准化坐标中。