Tensorflow Lite对象检测，Android Studio，SSD移动电视V2，相同的结构不同的Tflite文件，但几乎0检测

Question

I want to make object detection application base on this github https://github.com/bendahouwael /车辆 - 探测器app-android 。

该GitHub代码使用基于SSD Mobilenet V1的TFLITE。因此，我根据SSD Mobilenet V2制作了自定义模型。我遵循此链接制作自己的Tflite模型。

来自 https://netron.app/ 我检查了模型结构几乎相同。请参阅下面的图片。

第一张图片是关于SSD Mobilenet V1结构的。

第二张图片是基于SSD Mobilenet V2的我自己的自定义模型。

我认为这两个模型的结构都是相同的。因此，我刚刚用标签TXT文件将自己的模型粘贴到App Code（资产文件夹）中。

该应用程序很好地显示了其实时图像，但没有检测到我决定要检测到的对象。我知道ssd mobilenet v1类型是unit8和我自己的模型（基于ssd mobilenet v2）类型是float32 。但这不是一个问题，我猜它的代码中的b/c都设置了有关是否量化。

因此，请谁有任何想法，告诉我我的应用程序如此糟糕的原因。

PS1）我忘了谈论调试。它没有显示任何错误消息。这让我很难工作

Answer 1

如果您仔细查看输入零件，

• 则使用mobilenet v1有：类型：unit8 [1，300，300，1]
• 带有> Mobilenet v2您有：类型：float [1，300，300，1]

这意味着第一个模型被量化（更多信息：在这里），为重量和偏见使用整数值。 （这是针对推理速度完成的）

现在，如果您转到tflite对象检测类（或可能命名为不同），通常您将拥有一种称为stunceimage（）类似的方法（这是部分（这是部分）创建填充bytebuffer）：

imgData.rewind();
for (int i = 0; i < inputSize; ++i) {
  for (int j = 0; j < inputSize; ++j) {
    int pixelValue = intValues[i * inputSize + j];
    if (isModelQuantized) {
      // Quantized model
      imgData.put((byte) ((pixelValue >> 16) & 0xFF));
      imgData.put((byte) ((pixelValue >> 8) & 0xFF));
      imgData.put((byte) (pixelValue & 0xFF));
    } else { // Float model
      imgData.putFloat((((pixelValue >> 16) & 0xFF) - IMAGE_MEAN) / IMAGE_STD);
      imgData.putFloat((((pixelValue >> 8) & 0xFF) - IMAGE_MEAN) / IMAGE_STD);
      imgData.putFloat(((pixelValue & 0xFF) - IMAGE_MEAN) / IMAGE_STD);
    }
  }
}

其中：

  private static final float IMAGE_MEAN = 128.0f;
  private static final float IMAGE_STD = 128.0f;

因此，在第一种情况下设置ismodelQuantized = true，对于Mobilenet V2，您设置了iSmodelQuantized = false = false