Вы, кажется, используете python, поэтому вы можете экспортировать модель обнаружения объектов из пользовательского интерфейса customvision (выберите параметры tenorflow):
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/export-model-python
, который даст вам zip-файл, содержащий:
labels.txt
model.pb
python/object_detection.py
python/predict.py
Поместите все в один каталог, затем просто выполните код:
python predict.py image.jpg
Привет, Престо! Это распечатает список словарей как
{'boundingBox': {'width': 0.92610852, 'top': -0.06989955, 'height': 0.85869097, 'left': 0.03279033}, 'tagId': 3, 'tagName': 'myTagName', 'probability': 0.24879535}
Координаты (относительно верхнего левого угла) нормализованы по ширине и высоте изображения.
Вот главное (не мой код!):
def main(image_filename):
# Load a TensorFlow model
graph_def = tf.GraphDef()
with tf.gfile.FastGFile(MODEL_FILENAME, 'rb') as f:
graph_def.ParseFromString(f.read())
# Load labels
with open(LABELS_FILENAME, 'r') as f:
labels = [l.strip() for l in f.readlines()]
od_model = TFObjectDetection(graph_def, labels)
image = Image.open(image_filename)
predictions = od_model.predict_image(image)
print(predictions)
, который вы можете изменить по своему усмотрению. Удачи!