如何使用 Firebase / ML Kit 识别和计数对象

Question

我想识别和计算图片中的物体，例如数一数邻里图片中的房屋数量。使用 ML Kit 执行此操作的最佳方法是什么？

我需要使用Object Detection API吗？或者是否有可能使用直接的图像标签获得多个“房子”标签？

Answer 1

ML Kit Object Detection API（请注意，它现在作为独立 SDK 提供）可以对图像/视频流中的对象进行计数，但仅限于 5 个最大的对象。此外，您应该评估对象检测是否适用于您的用例。它是一个非常通用的定位器，适用于大多数对象，但是当对象靠近/重叠时，它可能无法区分它们。

如果您需要检测超过 5 个对象，我建议您直接使用 TensorFlow Lite 和 TF Hub 上提供的一些预训练模型进行查看，或者如果一般模型没有，则使用 AutoML Vision Edge 自己训练一个不适合您的用例。

Fwiw，图像标签分配描述图像场景的标签。但是，它不计算对象的数量，您通常会得到一个标签“房子”。