Docker 上的 Google Cloud AutoML 预测答案

【问题标题】：Google Cloud AutoML prediction on DockerDocker 上的 Google Cloud AutoML 预测
【发布时间】：2020-07-17 00:26:56
【问题描述】：

我已经在 Google Cloud AutoML 上训练了一个多类对象检测模型。我已经从 Container 导出中下载了我自己的模型。比我使用 Google Cloud AutoML docker 映像将它部署在 Docker 上。我已经使用此代码发送请求：

import base64
import io
import json
import requests


def process(image_file_path, image_key="1", port_number=8501):
    with io.open(image_file_path, 'rb') as image_file:
        encoded_image = base64.b64encode(image_file.read()).decode('utf-8')

    instances = {
            "instances": [
                    {
                        "image_bytes": {
                            "b64": str(encoded_image)
                        },
                        "key": image_key
                    }
            ]
    }

    url = 'http://localhost:{}/v1/models/default:predict'.format(port_number)

    response = requests.post(url, data=json.dumps(instances))
    return response.json()

我已经成功地从 docker 获得了 json 格式的响应：

{
    "predictions": [{
        "detection_multiclass_scores": [
            [0.00540795922, 0.99754715], 
            ...
        ],
        "detection_classes": [1.0, ...],
        "num_detections": 40.0,
        "image_info": [320, 320, 1, 0, 320, 320],
        "detection_boxes": [
            [0.0382162929, 0.0984618068, 0.746192276, 0.991413414], 
            ...
        ],
        "detection_scores": [0.99754715, ...],
        "detection_classes_as_text": ["image_class", ...],
        "key": "1"
    }]
}

此时，我想知道检测到的边界框在图像中的哪个位置。我知道我应该使用detection_boxes 获取此信息，但我需要将其转换为 px 值。因为我会再次处理边界框。

detection_boxes 的模式是什么？

【问题讨论】：

它是 %。如果您的图像宽度为 1280，则数字 ex: 1280*0.0382162929
我知道。我在问像 x1,y1,x2,y2 这样的模式是什么

标签： python docker tensorflow object-detection google-cloud-automl

【解决方案1】：

detection_boxes 的格式为 [min_y, min_x, max_y, max_x]，这些值是通过图像的高宽归一化的，所以得到像素坐标y*height和x*width。

这与 Tensorflow 对象检测 API 使用的格式相同，您可以阅读格式here

【讨论】：