TensorFlow Object Detection API打印检测对象名称报错咨询

你在处理detections结果时已经通过value[0, :num_detections].numpy()去掉了batch维度（输入为单张图片时的长度为1的第0维），所以：

• classes = detections['detection_classes']是长度为num_detections的一维numpy数组，不是二维数组，classes[0]取到的是单个numpy.int64类型的数值，无法用于enumerate迭代，这就是报错的直接原因
• 同理scores = detections['detection_scores']也是一维数组，原来写法里的scores[0,index]也不存在对应的第二维度，后续也会报错
• 另外你取类别名称时需要和可视化逻辑一致，加上label_id_offset=1的偏移，否则会出现类别id不匹配、取不到正确名称的问题

直接替换报错的print行即可，以下是两种可用写法：

写法1（可读性更高） #

threshold = 0.85 # 可以和可视化的min_score_thresh统一，避免打印结果和展示框不匹配
detected_names = []
for class_id, score in zip(classes, scores):
    if score > threshold:
        category_info = category_index.get(class_id + 1) # 加上类别偏移量
        if category_info:
            detected_names.append(category_info['name'])
print("检测到的对象：", detected_names)

写法2（简洁列表推导式） #

print([category_index.get(class_id + 1, {}).get('name') for class_id, score in zip(classes, scores) if score > 0.8])

如果需要同时获取检测对象的置信度、边界框坐标，可以同步遍历detections['detection_boxes']的结果，示例如下：

threshold = 0.85
detected_res = []
for class_id, score, box in zip(classes, scores, detections['detection_boxes']):
    if score > threshold:
        category_info = category_index.get(class_id + 1)
        if category_info:
            detected_res.append({
                "名称": category_info['name'],
                "置信度": round(float(score), 4),
                "边界框": box.tolist()
            })
print(detected_res)

内容的提问来源于stack exchange，提问作者Sergio Ramirez Aguilar