TensorFlow目标检测中len()返回检测对象数量错误如何解决？

TensorFlow 官方目标检测模型默认固定返回100个检测候选结果，output_dict["detection_scores"] 存储的就是这100个候选对应的置信度得分，无论有效检测的实际数量多少，这个数组的长度都是固定值100。
你看到可视化结果里的框数量远少于100，是因为 visualize_boxes_and_labels_on_image_array 方法默认内置了0.5的置信度阈值，低于这个阈值的候选框不会被绘制，但这些低置信度的结果依然保留在输出数组中，所以直接取数组长度统计数量必然得到100的结果。

你只需要增加置信度过滤逻辑，统计高于阈值的有效检测结果即可，和可视化默认阈值保持一致的话，统计的数量就会和页面上显示的框数量完全匹配，代码修改如下：

# 置信度阈值可根据业务需求自行调整，默认和可视化阈值对齐设为0.5
SCORE_THRESHOLD = 0.5
# 过滤后统计有效检测数
valid_obj_count = sum(score > SCORE_THRESHOLD for score in output_dict["detection_scores"])
print("Found %d objects." % valid_obj_count)

如果使用numpy写法性能更高：

import numpy as np
SCORE_THRESHOLD = 0.5
valid_obj_count = np.sum(output_dict["detection_scores"] > SCORE_THRESHOLD)
print("Found %d objects." % valid_obj_count)

如果需要修改模型默认返回的候选结果总数量，可以在模型训练的pipeline配置文件中修改 max_total_detections 参数，重新导出模型后即可生效，一般场景下不需要做这个调整，仅靠阈值过滤即可满足需求。

内容的提问来源于stack exchange，提问作者porschewitz