ML Kit物体检测API(请注意,它现在作为独立的SDK提供)可以计算图像/视频流中的对象数量,但仅限于前5个最大的对象。此外,您应该评估物体检测是否适用于您的用例。它是一个非常通用的本地化程序,适用于大多数对象,但当对象靠近/重叠时,它可能无法区分它们。如果您需要检测超过5个对象,我建议直接使用TensorFlow Lite和TF Hub上提供的预训练模型之一,或者使用AutoML Vision Edge自己训练一个,如果通用模型不适合您的用例。顺便说一句,图像标记会分配描述图像场景的标签。但是,它不会计算对象数量,通常只有一个标签“房子”。