python - 您可以发布 Cloud ML 预测输出的处理结果吗？

Question

我有一个在 Google Cloud ML 上运行的对象检测模型(来自 Tensorflow 对象检测 API 的 Faster RCNN)。我还有一些代码来根据大小、长宽比等过滤生成的边界框。

1. 是否可以将此代码作为预测过程的一部分运行，这样我就不需要运行单独的过程来执行此操作。

2. 是否可以根据某些置信阈值限制模型预测的边界框数量，因为当前输出大量无关数据。

Answer 1

1. 您只需将过滤器逻辑添加到预测流程代码中并将其部署回来即可。
2. 是的，您可以在 visualize_boxes_and_labels_on_image_array 中使用 min_score_thresh 参数。使用下面的代码

vis_util.visualize_boxes_and_labels_on_image_array(
        image_np,
        np.squeeze(boxes),
        np.squeeze(classes).astype(np.int32),
        np.squeeze(scores),
        category_index,
        use_normalized_coordinates=True,
        line_thickness=4,
        min_score_thresh=.9)

这将导致边界框的置信度分数大于或等于 90%。将其更改为 0 到 1 之间的任意值。