如何计算“ num_detections”以进行边缘训练的自动对象检测

Question

我正在通过以下方式训练用于对象检测的自定义数据集。

1. https://github.com/tensorflow/models/tree/master/research/object_detection

我已经在本地克隆了上述对象检测，并按照他们的步骤训练了模型。在成功训练后，当我测试模型时，我得到了以下输出

output_dict ['detection_boxes']-给出预测对象的边界框

output_dict ['detection_scores']-给出预测对象的分数

output_dict ['num_detections']-给出给定图像中预测的实际对象数。

1. https://cloud.google.com/vision/automl/docs/train-edge

通过对同一数据集使用automl edge，在成功测试模型后，当我测试模型后，使用docker容器https://cloud.google.com/vision/automl/object-detection/docs/containers-gcs-tutorial?authuser=1#container-predict-example-python获得了以下结果 （对于示例响应https://cloud.google.com/vision/automl/object-detection/docs/containers-gcs-tutorial?authuser=1#container-predict-example-cli）

在这里也获得了相同的结果，但是 num_detections 始终为40。即使图像只有2个要检测的对象，也没有给出预测对象的确切数量。有什么方法可以准确获得响应中预测对象的数量？