如何更改TensorFlow Object Detection检测输出语言为印地语

你直接按下面三个模块改就行，原教程里MediaPipe提关键点、模型训练的核心逻辑基本不用动，主要改标签映射和结果渲染两个部分。

标签与模型适配 #

• 把原项目里的英文手语类别列表全部替换成印地语天城文标签，不要接在线翻译接口，避免实时推理时的网络延迟，标签映射直接写死在本地代码里：

# 原项目英文标签参考：labels = ["Hello", "Thank you", "Yes", "No"]
# 替换为对应印地语标签
isl_labels = [
    "नमस्ते",
    "धन्यवाद",
    "हाँ",
    "नहीं"
    # 按你需要覆盖的印地语手语类别补充即可
]
label_dict = {i: tag for i, tag in enumerate(isl_labels)}

• 如果是基于原教程的预训练权重做迁移学习，记得把分类头的输出维度改成你定义的印地语手语类别总数，不要硬套原英文类别的数量。
  提醒一句：印地语通用手语（ISL）和原教程用的美国手语（ASL）手势定义差异很大，别直接拿ASL数据集训出来的权重直接推理，要么找公开的ISL关键点标注数据集微调，要么按原教程的数据采集流程自己采对应类别的关键点数据，提特征的逻辑完全可以复用。

实时结果渲染适配 #

这部分是最容易踩坑的：OpenCV默认自带的cv2.putText接口不支持天城文字符渲染，直接传印地语字符串进去只会显示乱码方块。按下面的方法改：

• 先下载支持天城文的开源字体（比如Noto Sans Devanagari），把ttf字体文件放到项目根目录
• 把原项目里直接调用OpenCV写文字的逻辑，替换成PIL库绘制文字再转回OpenCV格式的流程，参考代码：

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

# 加载本地印地语支持字体，字号根据你的输出分辨率调整
devanagari_font = ImageFont.truetype("NotoSansDevanagari-Regular.ttf", 30)

def render_hindi_text(frame, text, position=(40, 40), text_color=(0, 255, 0)):
    # 把OpenCV默认的BGR色彩空间转成PIL兼容的RGB格式
    pil_frame = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
    draw = ImageDraw.Draw(pil_frame)
    draw.text(position, text, font=devanagari_font, fill=text_color)
    # 转换回OpenCV格式用于实时显示
    return cv2.cvtColor(np.array(pil_frame), cv2.COLOR_RGB2BGR)

# 推理拿到分类结果后直接调用即可
# pred_tag = label_dict[prediction_index]
# output_frame = render_hindi_text(frame, f"डिटेक्शन परिणाम: {pred_tag}")

• 如果需要加实时语音播报功能，把原项目的英文TTS引擎替换成本地部署的、支持印地语的TTS模型就行，别调用在线TTS接口，会拖慢帧率。

常见问题排查 #

• 不要在实时推理的主循环里加任何网络请求逻辑（包括在线翻译、在线TTS），网络抖动会直接把帧率压到个位数，所有文本、模型资源全部放本地。
• 自己采集ISL关键点数据的时候，严格对齐原教程的特征维度：也就是MediaPipe输出的21个手部关键点坐标，如果原项目用到了面部、姿态关键点也保持一致，不要随便改特征长度，不然轻量分类模型很难收敛。
• 字体文件路径用相对路径写，不要写系统绝对路径，不然换设备运行或者打包的时候容易报文件找不到的错误。

我之前改同类项目的时候，一开始没注意OpenCV的字体兼容问题，折腾了一个多小时一直出方块乱码，换PIL+天城文字体之后直接就正常显示了。每类手势采300组左右的关键点数据做微调，分类准确率基本能到95%以上，足够做日常演示。

内容的提问来源于stack exchange，提问作者Rahul Lund