时间戳

首页 > 解决方案 > Docker 上的 Google Cloud AutoML 预测

python - Docker 上的 Google Cloud AutoML 预测

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 export 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。我已经使用以下代码发送请求：

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

的图案是detection_boxes什么？

标签： pythondockertensorflowobject-detectiongoogle-cloud-automl

解决方案

detection_boxes 的格式是 [min_y, min_x, max_y, max_x]，这些值通过图像的高度和宽度进行归一化，从而得到像素坐标y*height和x*width。

这与 Tensorflow 对象检测 API 使用的格式相同，您可以在此处阅读有关格式的信息

推荐阅读