如何使用 Tensorflow 计算在图像中检测到的对象？答案

【问题标题】：How to count objects detected in an image using Tensorflow?如何使用 Tensorflow 计算在图像中检测到的对象？
【发布时间】：2018-10-15 00:02:08
【问题描述】：

我已经使用faster_rcnn_inception_v2 训练了我的自定义对象检测器，使用object_detection_tutorial.ipynb 对其进行了测试，并且效果很好，我可以在测试图像中找到对象的边界框，我的问题是如何实际计算那些边界框，或者只是我想计算为每个类检测到的对象数量。

【问题讨论】：

标签： tensorflow computer-vision conv-neural-network object-detection object-detection-api

【解决方案1】：

由于声誉低，我无法发表评论。

据我所知，不幸的是，对象检测 API 没有内置函数。

你必须自己写这个函数。我假设您运行eval.py 进行评估！？要访问每个图像的单个检测到的对象，您必须遵循以下脚本链：

eval.py -> evaluator.py ->object_detection_evaluation.py -> per_image_evaluation.py

在最后一个脚本中，您可以计算每张图像检测到的对象和边界框。您只需保存这些数字并将它们汇总到整个数据集即可。

这对你有帮助吗？

【讨论】：

感谢您的回答，实际上，我正在运行 object_detection_tutorial.ipynb 并想知道如何计算为每个类检测到的绑定框。
如果您只使用本教程，您是否尝试获取这些字典的长度：output_dict['detection_boxes']、output_dict['detection_classes']，这些应该为您提供所有检测（bb和类）一张图片。

【解决方案2】：

我使用Tensorflow Object Counting API 解决了这个问题。我们有一个使用single_image_object_counting.py 计算图像中对象的示例。我刚刚用我自己的包含推理图的模型替换了ssd_mobilenet_v1_coco_2017_11_17

input_video = "image.jpg"
detection_graph, category_index = backbone.set_model(MODEL_DIR)

【讨论】：