使用TensorFlow目标检测API裁剪图片遇TypeError错误求助

嘿，我来帮你搞定这个报错！你遇到的TypeError: Value passed to parameter 'begin' has DataType float32 not in list of allowed values: int32, int64，核心原因是Python内置的int()函数无法正确转换TensorFlow浮点张量的类型。

你代码里用了int(yminn)这类写法，但如果yminn、xminn这些是TensorFlow输出的float32类型张量（比如从目标检测API的detection_boxes里获取的归一化坐标），int()只会把它当成Python对象处理，并不会改变张量本身的数据类型，最终传给tf.image.crop_to_bounding_box的还是float32类型的参数，这就触发了类型不匹配的错误。

正确的解决方案 #

把Python的int()替换成TensorFlow专门的类型转换函数tf.cast()，明确将浮点张量转为int32类型，修改后的代码如下：

cropped_image = tf.image.crop_to_bounding_box(
    image_np,
    tf.cast(yminn, tf.int32),
    tf.cast(xminn, tf.int32),
    tf.cast(ymaxx - yminn, tf.int32),
    tf.cast(xmaxx - xminn, tf.int32)
)

额外提示（针对归一化坐标） #

如果你的检测框坐标是归一化后的值（范围0-1），记得先乘以图片的实际高度和宽度，转换成绝对像素坐标后再做类型转换，否则裁剪出来的区域会完全不对：

# 获取图片的高度和宽度（TensorFlow张量形式）
image_height = tf.shape(image_np)[0]
image_width = tf.shape(image_np)[1]

# 将归一化坐标转为绝对像素坐标
yminn = detection_boxes[0][0] * image_height
xminn = detection_boxes[0][1] * image_width
ymaxx = detection_boxes[0][2] * image_height
xmaxx = detection_boxes[0][3] * image_width

# 再进行类型转换和裁剪
cropped_image = tf.image.crop_to_bounding_box(
    image_np,
    tf.cast(yminn, tf.int32),
    tf.cast(xminn, tf.int32),
    tf.cast(ymaxx - yminn, tf.int32),
    tf.cast(xmaxx - xminn, tf.int32)
)

这样就能满足tf.image.crop_to_bounding_box对参数类型的要求，顺利完成图片裁剪啦！

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