在Android上可视化TensorFlow Lite AI结果

目录

下一步

在这里，我们完成了基于TensorFlow Lite的应用程序的构建，该应用程序使用来自ONNX Model Zoo的网络模型执行对象识别。

输出存储在一组数字数组中。除非我们做更多的工作来解释其中的值，否则数值数组本身不会告诉我们有关检查图像的太多信息。数组的保持值之一如下所示：

float[][][][][] buf2 = new float[1][13][13][3][85];

此维度的前四个元素包含找到的元素的边界矩形：X，Y，WIDTH，HEIGHT。第五个元素包含0到1之间的置信度。如果置信度小于某个阈值，那么我们得出的结论是，没有指向任何关注的内容，并且可以跳过此行中其余数据的评估。剩余80项数据。这80个数据项代表模型可以识别的80类对象。类是对象类型。类的示例包括“猫”，“狗”，“远程”，“电视”，“人”等。对于每个类别，该类别中的对象都有一个置信度值。

此数据上需要进行一些处理。这些值的格式不符合我们的期望。需要一些缩放和调整，以使数字与我们的图像对齐。当我们有一个可以接受的置信度的项目时，它将被添加到发现的项目列表中，以便可以在屏幕上呈现标记发现的项目的框。

float[][][][][] result = buf2;
   for(int y=0;y