有人可以帮助我使用 google_mlkit_object_detection 自定义 TF Lite 模型和 Flutter：0.13.0 目前，我使用下面的代码尝试获取检测到的对象并为其分配标签......

有人能帮我使用自定义 TF Lite 模型和 Flutter 吗 google_mlkit_object_detection: 0.13.0

目前，我使用以下代码尝试获取检测到的对象并为它们分配标签：

 Future<void> labelImage(File imageFile) async {
    final modelPath = await getModelPath('assets/ml/model.tflite');
    final InputImage inputImage = InputImage.fromFile(imageFile);
    const mode = DetectionMode.single;

    final options = LocalObjectDetectorOptions(
      mode: mode,
      modelPath: modelPath,
      classifyObjects: true,
      multipleObjects: true,
      maximumLabelsPerObject: 39,
    );

    final objectDetector = ObjectDetector(options: options);

    final List<DetectedObject> objects =
        await objectDetector.processImage(inputImage);
}

• 在 IOS 中，我只能看到一个带有实际标签 Shorts 的对象，而其余对象的标签上带有 'Entitiy' 作为文本。
• 在 Android 中，所有检测到的对象都有空的标签列表。

这是我按照 Google CodeLab 使用 Model Maker 制作的代码

import tensorflow as tf
assert tf.__version__.startswith('2')

from tflite_model_maker import image_classifier
from tflite_model_maker.image_classifier import DataLoader
from tflite_model_maker.config import ExportFormat
from tflite_model_maker import model_spec

data_dir="D:\\images_group_selected"

BATCH_SIZE = 4
EPOCHS = 8

data = DataLoader.from_folder(data_dir)

train_data, rest_data = data.split(0.8)
validation_data, test_data = rest_data.split(0.5)

model = image_classifier.create(
  train_data, 
  validation_data=validation_data, 
  epochs=EPOCHS, 
  train_whole_model=True, 
  batch_size=BATCH_SIZE,
  model_spec=model_spec.get('mobilenet_v2'),
  shuffle=True)

model.summary()

model.export(export_dir='.', export_format=ExportFormat.TFLITE)
model.export(export_dir='.', export_format=ExportFormat.LABEL)

model.evaluate_tflite('model.tflite', test_data)

在我的数据结构中，每个目录都包含属于一个类（一个标签）的所有数据

class1
-- image_class1_1.jpg
-- image_class1_2.jpg
class2
-- image_class2_1.jpg
-- image_class2_2.jpg
...

我怀疑自从我创建了一个图像分类器以来，它与 Flutter 中的 ObjectDetector 配合得并不好。我非常感谢有关此问题的任何建议。