다음 코드는 사전 학습된 Faster R-CNN 모델을 사용하여 이미지(image_np)에 대한 객체 탐지를 수행하고, 결과를 시각화하기 위한 준비 과정을 나타냅니다.

results = hub_model(image_np) # ①
result = {key: value.numpy() for key, value in results.items()}
print(result.keys())

label_id_offset = 0           # ②
image_np_with_detections = image_np.copy()

로드된 Faster R-CNN 모델(hub_model)을 사용하여 이미지(image_np)에 대한 객체 탐지를 수행합니다(①). 결과는 여러 가지 정보(예 탐지된 객체의 경계 상자, 클래스 ID, 점수 등)를 포함하는 딕셔너리 형태로 반환됩니다. result 부분은 텐서플로의 tensor 형식에서 일반 numpy 배열로 변환합니다. 이렇게 변환된 결과는 후속 처리와 시각화에 더 유용하게 사용됩니다.

label_id_offset는 클래스 ID 오프셋입니다(②). 일반적으로 MSCOCO 데이터 세트에서는 0을 사용합니다.