使用自定义 AutoML 模型进行 TensorFlow Lite 对象检测答案

【问题标题】：Tensorflow Lite Object Detection with Custom AutoML Model使用自定义 AutoML 模型进行 TensorFlow Lite 对象检测
【发布时间】：2020-01-22 05:16:24
【问题描述】：

我喜欢测试 TFLite 的对象检测示例。

使用默认模型的示例效果很好。但我想测试从 AutoML 生成的自定义模型。当我替换“\src\main\assets”目录中的“detect.tflite”和“labelmap fille”并构建时，应用程序在启动后崩溃。

我的模型非常简单……只能检测 2 个物体（老虎和狮子）。我的 labelmap 文件包含以下内容：

？？？老虎狮子

我还注释了“build.gradle”中的“//apply from:'download_model.gradle'”行，以停止默认模型的下载并使用资产中的自定义模型。

我是 Android 和这个机器学习领域的新手。如果有人可以在使用自定义 AutoML 模型启动后就 App 崩溃提出建议，我会很高兴。

提前致谢。

问候。

【问题讨论】：

您应该提供更多关于 AutoML 模型文件生成位置/内容的详细信息（可能是指向源的链接）。意识到 Tensorflow Lite 只知道 .tflite 文件。
您好，当然。在谷歌 AutoML 平台中......它提供了 GUI 来生成零编码的模型。在我上传所有图像的地方，制作边界框并开始训练（通过选择边缘）。几个小时的培训结束后，我可以下载 .tflite 格式的模型文件这个 .tflite 文件我在 Android Studio 对象检测示例中使用，但应用程序在启动后崩溃。
我会仔细检查您的输入和输出向量是否与您要替换默认模型的任何 Android 应用相匹配。否则您应该显示崩溃的内容、logcat 等。

【解决方案1】：

日志中可能有两个错误：

Cannot convert between a TensorFlowLite buffer with 1080000 bytes and a ByteBuffer with 270000 bytes.相应修改TF_OD_API_INPUT_SIZE。

tflite ml google [1, 20, 4] and a Java object with shape [1, 10, 4].根据自定义模型修改NUM_DETECTIONS。

【讨论】：