0

如果我在 MLKit 中使用预训练的 TFLite 对象检测模型，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？

4

2 回答 2

5

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

如果您想使用自定义对象检测模型，可以尝试 TFLite 任务库：

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

于 2020-09-25T17:32:29.610 回答
0

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。

首先添加了

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。

于 2021-10-28T17:11:33.273 回答