Class TFImageModel
- java.lang.Object
-
- TFImageModel
-
public class TFImageModel extends Object
-
-
Constructor Summary
Constructors Constructor Description TFImageModel(String pFoldername, int pImageHeight, int pImageWidth)
Konstruktor, um ein Tensorflow Model in Java aus einem Ordner mit einem 'Saved Model' zu erstellen
-
Method Summary
All Methods Instance Methods Concrete Methods Modifier and Type Method Description String
getErrorMessage()
Methode, die jederzeit benutzt werden kann, um zu sehen ob zum Zeitpunkt des Aufrufs bereits irgendwelche Fehler aufgetreten sindString
getModelInformation()
Die Methode liefert Informationen über das Model, normalerweise inkl.float[]
getOutputArray()
Diese Methode ist eine von zwei Möglichkeiten, das Ergebnis einer Klassifikation zu erhalten nachdem ein Bild mit run() klassifiziert wurdeString
getOutputLabel()
Diese Methode ist eine von zwei Möglichkeiten, das Ergebnis einer Klassifikation zu erhalten nachdem ein Bild mit run() klassifiziert wurde.void
run()
Methode zum Ausführen der Klassifikation.void
setData(String pFilename)
Mit dieser Methode kann ein Bild als Eingabe in das Model geladen werden Im Anschluss kann dieses mit run() klassiziert werden.void
setOutputLabels(String[] pLabelArray)
Mit der Methode kann ein String-Array übergeben werden, das die Klassenlabels enthält.
-
-
-
Constructor Detail
-
TFImageModel
public TFImageModel(String pFoldername, int pImageHeight, int pImageWidth)
Konstruktor, um ein Tensorflow Model in Java aus einem Ordner mit einem 'Saved Model' zu erstellen- Parameters:
Name
- des Ordners in dem das Tensorflow Model liegt. Der Ordner enthält üblicherweise eine Datei namens saved_model.pb und andere Unterordner mit Variablen, manchmal auch Assets. Achtung: Gültige Pfadangaben sind unter Windows z.B. "C:\\models\\myModel" oder unter Mac OS/Linux z.B. "/Users/myname/myModel"Breite
- des Bildes, das klassifiziert werden sollHöhe
- des Bildes, das klassifiziert werden soll Beide Werte können der Dokumentation des Tensorflow Models entnommen werden oder mit der Methode getModelInformation() hier abgefragt werden
-
-
Method Detail
-
getErrorMessage
public String getErrorMessage()
Methode, die jederzeit benutzt werden kann, um zu sehen ob zum Zeitpunkt des Aufrufs bereits irgendwelche Fehler aufgetreten sind- Returns:
- Zeichenkette mit allen potentiell aufgetretenen Fehlern seit der letzten Instanziierung
-
getModelInformation
public String getModelInformation()
Die Methode liefert Informationen über das Model, normalerweise inkl. layer names, image width & height, data types- Returns:
- Zeichenkette mit Informationen über das geladenene Model
-
setData
public void setData(String pFilename)
Mit dieser Methode kann ein Bild als Eingabe in das Model geladen werden Im Anschluss kann dieses mit run() klassiziert werden.- Parameters:
Dateiname
- inkl. Pfad des Bildes Achtung: Gültige Pfadangaben sind unter Windows z.B. "C:\\images\\myImage.png" oder unter Mac OS / Linux z.B. "/Users/myname/myImage.png"
-
run
public void run()
Methode zum Ausführen der Klassifikation. Das Ergebnis der Klassifikation kann mit getOutputArray() oder getOutputLabel() abgefragt werden.
-
getOutputArray
public float[] getOutputArray()
Diese Methode ist eine von zwei Möglichkeiten, das Ergebnis einer Klassifikation zu erhalten nachdem ein Bild mit run() klassifiziert wurde- Returns:
- Array mit gleich vielen Feldern wie Ausgabeneuronen. Je höher der Wert, desto wahrscheinlicher ist es, dass das Bild zur Klasse gehört, die das Ausgabe- neuron repräsentiert.
-
setOutputLabels
public void setOutputLabels(String[] pLabelArray)
Mit der Methode kann ein String-Array übergeben werden, das die Klassenlabels enthält. So kann jedem Ausgabeneuron genau ein Text zugeordnet werden und eine Ausgabe wie "Das war eine Katze" kann damit relaisiert werden.
-
getOutputLabel
public String getOutputLabel()
Diese Methode ist eine von zwei Möglichkeiten, das Ergebnis einer Klassifikation zu erhalten nachdem ein Bild mit run() klassifiziert wurde. Diese Methode liefert nur ein sinnvolles Ergebnis wenn zuvor mittels setOutputLabels(...) auch zum Model passende Klassenlabels geladen wurden.- Returns:
- Zeichenkette, die die Klasse enthält, die laut Model-Vorhersage mit der höchsten Wahrscheinlichkeit im Bild abgebildet ist.
-
-