对象检测和跟踪

使用机器学习套件的设备端对象检测和跟踪 API，您可以实时定位和跟踪图片或实时摄像头画面中最突出的对象。您还可以选择将检测到的对象归类为若干种常规类别之一。

具有粗分类的对象检测和跟踪对于打造实时视觉搜索体验非常有用。由于对象检测和跟踪完全在设备上进行并且速度很快，因此它适合用作较长视觉搜索流水线的前端。检测并过滤对象后，您可以将它们传递到云后端（例如 Cloud Vision Product Search）或自定义模型（例如使用 AutoML Vision Edge 训练的模型）。

iOS Android

主要功能

快速检测和跟踪对象 检测对象并获取它们在图片中的位置。跨图片跟踪对象。
优化的设备端模型 对象检测和跟踪模型针对移动设备进行了优化，旨在用于实时应用，甚至是在低端设备上使用。
突出的对象检测 自动确定图片中最突出的对象。
粗分类 将对象分为广泛的类别，可以用来过滤掉您不感兴趣的对象。支持以下类别：家居用品、时尚商品、食品、植物、地点和未知类别。

示例结果

跨图片跟踪最突出的对象

跟踪 ID 0
边界 (95, 45)、(496, 45)、(496, 240)、(95, 240)
类别 地点
分类置信度 0.9296875
跟踪 ID 0
边界 (84, 46)、(478, 46)、(478, 247)、(84, 247)
类别 地点
分类置信度 0.8710938
跟踪 ID 0
边界 (53, 45)、(519, 45)、(519, 240)、(53, 240)
类别 地点
分类置信度 0.8828125

照片：Christian Ferrer [CC BY-SA 4.0]

静态图片中的多个对象

对象 0
边界 (1, 97)、(332, 97)、(332, 332)、(1, 332)
类别 FASHION_GOOD
分类置信度 0.95703125
对象 1
边界 (186, 80)、(337, 80)、(337, 226)、(186, 226)
类别 FASHION_GOOD
分类置信度 0.84375
Object 2
边界 (296, 80)、(472, 80)、(472, 388)、(296, 388)
类别 FASHION_GOOD
分类置信度 0.94921875
Object 3
边界 (439, 83)、(615, 83)、(615, 306)、(439, 306)
类别 FASHION_GOOD
分类置信度 0.9375