欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

模型分类结果都分到一类

程序员文章站 2022-06-09 18:07:26
在做活体检测的时候,出现这样的结果,4000张假脸全部认为是真脸,非常不合理,理论上二分类就算是瞎猜也应该有0.5的概率判断是对的,出现这种可能的原因是样本不均衡,但我的不属于这种,最后的原因是测试时候的预处理和模型训练中不一样,更改后结果正确。注意维度、图片的预处理、还有图片读入的方式,模型训练中用的 Image.open 读入的图片,而我的离线测试代码中用的cv2.imread(), 还有ndarray转换为tensor的方法都应与训练时保持一致。def preprocess(image):...

在做活体检测的时候,出现这样的结果,4000张假脸全部认为是真脸,非常不合理,
理论上二分类就算是瞎猜也应该有0.5的概率判断是对的,
出现这种可能的原因是样本不均衡,但我的不属于这种,最后的原因是测试时候的预处理和模型训练中不一样,更改后结果正确。
注意维度、图片的预处理、还有图片读入的方式,模型训练中用的 Image.open 读入的图片,而我的离线测试代码中用的cv2.imread(), 还有ndarray转换为tensor的方法都应与训练时保持一致。

注意!!!预处理会影响模型的效果,影响还不是一点点,所以在代码设计的时候,就应该只写一个预处理函数,保证训练和测试的图片在读入后都进行了相同的处理。

def preprocess(image): img = Image.open(image) img = np.asarray(img, dtype='uint8') img = cv2.resize(img, (112, 112)) img = img.reshape((112, 112, 1)) img = np.concatenate((img, img, img), axis=-1) # print(img.shape) img = np.transpose(img, (2, 0, 1)) # img = img.reshape([3, 112, 112]) # print(img.shape) img = img.astype(np.float32) img1 = cv2.Scharr(img, cv2.CV_8U, 0, 1) # cv2.Sobel(img, cv2.CV_8U, 0, 1) img2 = cv2.Scharr(img, cv2.CV_8U, 1, 0) img = np.abs(img1) + np.abs(img2) img = img[np.newaxis, :, :, :] # print(img.shape) return torch.FloatTensor(img) 

本文地址:https://blog.csdn.net/qq_35037684/article/details/109034578

相关标签: 活体检测