谷歌的目标检测API如何返回边界框的坐标？

Question

如何使用Google的物体检测API推理脚本获取生成的边界框的坐标？我知道打印boxes[0][i]会返回图像中第i个检测的预测，但这些返回的数字具体意义是什么？是否有一种方法可以获取xmin、ymin、xmax、ymax？提前感谢。

- g.smoother

---

如果您对我的答案感到满意，请随意将其标记为接受的答案。 - Gal_M

Answer 1

谷歌目标检测API以[ymin，xmin，ymax，xmax]的格式返回边界框，并以归一化形式呈现（完整解释在此链接）。为了找到（x，y）像素坐标，我们需要将结果乘以图像的宽度和高度。首先获取您的图像的宽度和高度：

width, height = image.size

然后，从boxes对象中提取ymin、xmin、ymax和xmax，并进行乘法运算以获取(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

最后打印盒子顶点的坐标：

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

- Gal_M

---

为什么要这样做？你的链接失效了。是因为输入图像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有用吗？ - CMCDragonkai

image 是一个 numpy 数组吗？如果是的话，image.size 给出数组中元素的数量，而 image.shape 给出图像的维度。但我认为它会给出矩阵的行数和列数，例如 height, width = image.shape。 - KolaB

@CMCDragonkai，是的，那很有道理。神经网络中需要大量的尺寸调整和重置。 - Gal_M

@KolaB 请预计文档在未来一段时间内会不断更新。https://www.tensorflow.org/api_guides/python/image#Working_with_Bounding_Boxes/ - Gal_M

boxes对象还能用吗？我找不到它。 - Artur Müller Romanov

Answer 2

你提到的boxes数组包含这些信息，格式为[N, 4]的数组，其中每一行都是以下格式：
[ymin，xmin，ymax，xmax]以输入图像大小为基准的归一化坐标。

- Jonathan Huang