Tensorflow 返回边界框的坐标Google'；s对象检测API

如何使用Google的对象检测API的推理脚本获取生成的边界框的坐标？我知道打印框[0][I]返回图像中第I次检测的预测，但这些返回的数字的确切含义是什么？有没有办法让我得到xmin，ymin，xmax，ymax？提前感谢。

您提到的框数组包含此信息，格式为[N，4]数组，其中每行的格式如下：

---

[ymin，xmin，ymax，xmax]在相对于输入图像大小的标准化坐标中。

Google对象检测API以[ymin，xmin，ymax，xmax]格式和标准化形式返回边界框（完整解释）。要找到（x，y）像素坐标，我们需要将结果乘以图像的宽度和高度。首先获取图像的宽度和高度：

width, height = image.size

然后，从

框

对象中提取ymin、xmin、ymax、xmax并相乘以获得（x，y）坐标：

ymin = boxes[0][i][0]*height
xmin = boxes[0][i][1]*width
ymax = boxes[0][i][2]*height
xmax = boxes[0][i][3]*width

最后打印框角的坐标：

print 'Top left'
print (xmin,ymin,)
print 'Bottom right'
print (xmax,ymax)

---

有没有解释为什么会这样做？你的链接已断开。是因为输入图像的大小被调整为标准大小吗？归一化坐标对于处理任何大小的输入都很有用吗？

image

numpy数组吗？如果是这样，

image.size

给出数组中元素的数量，

image.shape

给出图像的尺寸。但我认为它给出了矩阵的行数，然后是列数，即高度，宽度=image.shape@cmcdragokai，是的，这是有意义的。在神经网络中进行了大量的大小调整。@KolaB希望文档在未来一段时间内继续移动@谢谢更新的链接。我的评论是关于你回答中的一行，上面写着

宽度，高度=image.size

。我想这应该是高度，宽度=image.shape[:2]。在阅读了更新的链接后，我仍然这么认为。第一节“编码和解码”说“编码图像由标量字符串张量表示，解码图像由形状的3-D uint8张量表示<代码>[高度、宽度、通道]。如果您能澄清为什么使用

宽度，高度=图像。大小

，那就太好了。如果您对我的答案满意，请随意将其标记为已接受的答案。