首先，我们应该将图像读到bitmap

var bitmap = await BitmapFactory.DecodeStreamAsync(image.GetStreamWithImageRotatedForExternalStorage());

然后将bitmap转换为float[]，如下所示。

static float[] GetBitmapPixels(Bitmap bitmap)
    {
        var floatValues = new float[_inputSize * _inputSize * 3];

        using (var scaledBitmap = Bitmap.CreateScaledBitmap(bitmap, _inputSize, _inputSize, false))
        {
            using (var resizedBitmap = scaledBitmap.Copy(Bitmap.Config.Argb8888, false))
            {
                var intValues = new int[_inputSize * _inputSize];
                resizedBitmap.GetPixels(intValues, 0, resizedBitmap.Width, 0, 0, resizedBitmap.Width, resizedBitmap.Height);

                for (int i = 0; i < intValues.Length; ++i)
                {
                    var val = intValues[i];

                    floatValues[i * 3 + 0] = ((val & 0xFF) - 104);
                    floatValues[i * 3 + 1] = (((val >> 8) & 0xFF) - 117);
                    floatValues[i * 3 + 2] = (((val >> 16) & 0xFF) - 123);
                }

                resizedBitmap.Recycle();
            }

            scaledBitmap.Recycle();
        }

        return floatValues;
    }

最后，我们可以回读数据。

public string RecognizeImage(Bitmap bitmap)
    {
        var outputNames = new[] { OutputName };
        var floatValues = GetBitmapPixels(bitmap);
        var outputs = new float[labels.Count];

        inferenceInterface.Feed(InputName, floatValues, 1, _inputSize, _inputSize, 3);
        inferenceInterface.Run(outputNames);
        inferenceInterface.Fetch(OutputName, outputs);

        var results = new List<Tuple<float, string>>();
        for (var i = 0; i < outputs.Length; ++i)
            results.Add(Tuple.Create(outputs[i], labels[i]));

        return results.OrderByDescending(t => t.Item1).First().Item2;
    }

这里有一个关于它的博客。https://devblogs.microsoft.com/xamarin/android-apps-tensorflow/

这是演示。https://github.com/jimbobbennett/blog-samples/tree/master/UsingTensorFlowAndAzureInAndroid

我也很难弄清楚对象检测模型的输出(所有微软的博客都是关于图像分类模型的)。无论语言如何，TensorFlow Lite的输入和输出都是相同的(请参阅Tf文档)，但在Xamarin应用程序中执行此操作所需的所有类型转换都很困难。

当然，输出取决于您的模型，从本质上讲，您希望使用RunForMultipleInputsOutlets()并创建一个输出对象，该对象是匹配输出Tensor的数组Map。输入与图像分类相同，但放在数组中。这是一个excerpt from a working app

outputLocations = CreateJagged(1, NUM_DETECTIONS, 4);
            outputClasses = CreateJagged(1, NUM_DETECTIONS);
            outputScores = CreateJagged(1, NUM_DETECTIONS);
            numDetections = new float[1];

            var mOutputLocations= OutputLocations;
            var mOutputClasses= OutputClasses;
            var mOutputScores= OutputScores;

            Java.Lang.Object[] inputArray = { imgData };

            var outputMap = new Dictionary<Java.Lang.Integer, Java.Lang.Object>();
            outputMap.Add(new Java.Lang.Integer(0), mOutputLocations);
            outputMap.Add(new Java.Lang.Integer(1), mOutputClasses);
            outputMap.Add(new Java.Lang.Integer(2), mOutputScores);
            outputMap.Add(new Java.Lang.Integer(3), numDetections);

            tfLite.RunForMultipleInputsOutputs(inputArray, outputMap);

看看这个GitHub问题，我有更多的示例代码，我让它与从Azure Custom Vision导出的tflite模型一起工作：https://github.com/xamarin/GooglePlayServicesComponents/issues/668，我写了一篇关于实现它的博客：https://intellitect.com/blog/object-detection-tensorflow-lite/