다음으로 레이블 맵을 로드하고 텐서플로 허브에서 Faster R-CNN 모델을 가져오겠습니다.

PATH_TO_LABELS = './models/research/object_detection/data/mscoco_label_map.pbtxt'
category_index = label_map_util.create_category_index_from_labelmap(PATH_TO_LABELS, use_display_name=True)
hub_model = hub.load('https://tfhub.dev/tensorflow/faster_rcnn/resnet50_v1_640x640/1')

MSCOCO 데이터 세트에 대한 레이블 맵의 경로를 지정합니다. MSCOCO는 대표적인 객체 탐지 데이터 세트 중 하나로, 많은 사전 학습된 모델이 이 데이터 세트를 기반으로 학습되었습니다. mscoco_label_map.pbtxt 파일은 각 객체 카테고리의 ID와 이름을 정의합니다. 다음으로 label_map_util.create_category_index_from_labelmap()을 사용하여 지정된 경로의 레이블 맵 파일을 읽어서 카테고리 키(category key)를 생성합니다. 이 인덱스는 후에 탐지된 객체의 클래스 ID를 실제 이름으로 변환하는 데 사용됩니다 이어서 hub.load()를 사용하여 텐서플로 허브에서 모델을 다운로드하고 로드합니다. 여기서는 Faster R-CNN 모델을 ResNet-50 아키텍처와 함께 사용하며, 입력 이미지의 사이즈는 640×640으로 설정되어 있습니다. /1은 모델의 버전을 나타냅니다.