Rien n'est détecté dans l'API de détection d'objet Tensorflow
J'essaie d'implémenter un exemple d'API de détection d'objet Tensorflow. Je suis des vidéos sentdex } _ pour commencer. L'exemple de code fonctionne parfaitement, il affiche également les images utilisées pour tester les résultats, mais aucune limite autour des objets détectés n'est affichée. Seule l'image du plan est affichée sans aucune erreur.
J'utilise ce code: Ce lien Github } _.
Ceci est mon résultat après avoir exécuté l'exemple de code.
une autre image sans aucune détection.
Qu'est-ce qui me manque ici? Le code est inclus dans le lien ci-dessus et il n'y a pas de journal des erreurs.
Résultats de la boîte, score, classes, num dans cet ordre.
[[[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.20880508 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.20934391 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.20880508 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.74907303 0.14624023 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]]]
[[ 0.03587547 0.02224986 0.0186467 0.01096812 0.01003207 0.00654409
0.00633549 0.00534311 0.0049596 0.00410213 0.00362371 0.00339186
0.00308251 0.00303347 0.00293389 0.00277099 0.00269575 0.00266825
0.00263925 0.00263331 0.00258657 0.00240822 0.0022581 0.00186967
0.00184311 0.00180467 0.00177475 0.00173655 0.00172811 0.00171935
0.00171891 0.00170288 0.00163755 0.00162967 0.00160273 0.00156545
0.00153615 0.00140941 0.00132407 0.00131524 0.0013105 0.00129431
0.0012582 0.0012553 0.00122365 0.00119186 0.00115651 0.00115186
0.00112369 0.00107097 0.00105805 0.00104338 0.00102719 0.00102337
0.00100349 0.00097762 0.00096851 0.00092741 0.00088506 0.00087696
0.0008734 0.00084826 0.00084135 0.00083513 0.00083398 0.00082068
0.00080583 0.00078979 0.00078059 0.00077476 0.00075448 0.00074426
0.00074421 0.00070195 0.00068741 0.00068138 0.00067262 0.00067125
0.00067033 0.00066035 0.00064729 0.00064205 0.00061964 0.00061794
0.00060835 0.00060465 0.00059548 0.00059479 0.00059461 0.00059436
0.00059426 0.00059411 0.00059406 0.00059392 0.00059365 0.00059351
0.00059191 0.00058798 0.00058682 0.00058148]]
[[ 1. 1. 18. 32. 62. 60. 63. 67. 61. 49. 31. 84. 50. 54.
15. 44. 44. 49. 31. 56. 88. 28. 88. 52. 17. 32. 38. 75.
3. 33. 48. 59. 35. 57. 47. 51. 19. 27. 72. 4. 84. 6.
55. 20. 58. 65. 61. 82. 42. 34. 40. 21. 43. 64. 39. 62.
36. 22. 79. 46. 16. 40. 41. 77. 16. 48. 78. 77. 89. 86.
27. 8. 87. 5. 25. 70. 80. 76. 75. 67. 65. 37. 2. 9.
73. 63. 29. 30. 69. 66. 68. 26. 71. 12. 45. 83. 13. 85.
74. 23.]]
[ 100.]
[[[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0.00784111 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0. 1. 1. ]
[ 0. 0.68494415 1. 1. ]
[ 0. 0.68494415 1. 1. ]]]
[[ 0.01044297 0.0098214 0.00942165 0.00846471 0.00613666 0.00398615
0.00357754 0.0030054 0.00255861 0.00236574 0.00232631 0.00220291
0.00185227 0.0016354 0.0015979 0.00145072 0.00143661 0.00141369
0.00122685 0.00118978 0.00108457 0.00104251 0.00099215 0.00096401
0.0008708 0.00084773 0.00080484 0.00078507 0.00078378 0.00076876
0.00072774 0.00071732 0.00071348 0.00070812 0.00069253 0.0006762
0.00067269 0.00059905 0.00059367 0.000588 0.00056114 0.0005504
0.00051472 0.00051057 0.00050973 0.00048486 0.00047297 0.00046204
0.00044787 0.00043259 0.00042987 0.00042673 0.00041978 0.00040494
0.00040087 0.00039576 0.00039059 0.00037274 0.00036831 0.00036417
0.00036119 0.00034645 0.00034479 0.00034078 0.00033771 0.00033605
0.0003333 0.0003304 0.0003294 0.00032326 0.00031787 0.00031773
0.00031748 0.00031741 0.00031732 0.00031729 0.00031724 0.00031722
0.00031717 0.00031708 0.00031702 0.00031579 0.00030416 0.00030222
0.00029739 0.00029726 0.00028289 0.0002653 0.00026325 0.00024584
0.00024221 0.00024156 0.00023911 0.00023335 0.00021619 0.0002001
0.00019127 0.00018342 0.00017273 0.00015509]]
[[ 38. 1. 1. 16. 25. 38. 64. 24. 49. 56. 20. 3. 28. 2.
48. 19. 21. 62. 50. 6. 8. 7. 67. 18. 35. 53. 39. 55.
15. 57. 72. 52. 10. 5. 42. 43. 76. 22. 82. 4. 61. 23.
17. 16. 87. 62. 51. 60. 36. 58. 59. 33. 31. 54. 70. 11.
40. 79. 31. 9. 41. 77. 80. 34. 90. 89. 73. 13. 84. 32.
63. 29. 30. 69. 66. 68. 26. 71. 12. 45. 83. 14. 44. 78.
85. 46. 47. 19. 65. 74. 37. 27. 63. 88. 28. 81. 86. 75.
27. 18.]]
[ 100.]
EDIT: Selon les réponses suggérées, cela fonctionne lorsque nous utilisons le modèle faster_rcnn_resnet101_coco_2017_11_08. Mais c'est plus précis et c'est pourquoi ralentis. Je veux cette application à grande vitesse car je vais l'utiliser en temps réel (sur la webcam) pour la détection d'objets. J'ai donc besoin d'utiliser un modèle plus rapide (ssd_mobilenet_v1_coco_2017_11_08)
En guise de solution de contournement, #MODEL_NAME = 'ssd_mobilenet_v1_coco_2017_11_08' en MODEL_NAME = 'plus vite.
Le problème vient du modèle: 'ssd_mobilenet_v1_coco_2017_11_08'
Solution: changer pour une version différente 'ssd_mobilenet_v1_coco_11_06_2017' (ce type de modèle est le plus rapide, changer pour d'autres types de modèles le ralentira et non ce que vous voulez)
Il suffit de changer 1 ligne de code:
# What model to download.
MODEL_NAME = 'ssd_mobilenet_v1_coco_11_06_2017'
Lorsque j'utilise votre code, rien ne s'affiche, mais lorsque je le remplace par mon précédent modèle de test 'ssd_mobilenet_v1_coco_11_06_2017', il fonctionne bien
Vous pouvez utiliser l'ancien 'ssd_mobilenet_v1 ...' et exécuter votre programme complètement avec des boîtes (je le lance tout à l'heure et c'est correct). Ceci est un link vers cette ancienne version. J'espère qu'ils corrigent bientôt la nouvelle version!
J'ai déjà eu le même problème.
Mais un nouveau modèle a été téléchargé récemment 'ssd_mobilenet_v1_coco_2017_11_17'
Je l'ai essayé et fonctionne comme un charme :)