Android 使用自定义模型时如何解决tensorflow形状问题？

我一直在尝试将一个座椅安全带python代码转换为android应用程序，如果有打开或关闭的座椅安全带检测，该代码将执行TensorFlow检测。我正在尝试使用tensorflow lite在Android中移植同样的功能。到目前为止，模型实际上检测到了图像，但形状似乎是个问题，因为我使用的是自定义模型。python文件中的模型如下所示。它可以工作并且正在检测是否有安全带的图像

def predict(image):
   # Define image size, this is fixed for the current model
   width = 100
   height = 120
   
   # Preprocess image
   # resize
   img = cv2.resize(np.copy(image),(width,height))
        
   # Convert to gray scale
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   gray = gray[:,:,np.newaxis] 
      
   # Convert image data into float32
   gray = gray.astype(‘float32’)
        
   # Normalize the data to (0,1) 
   gray = np.divide(gray, 255.) 
      
   # Expand to match place holder of shape [self.batch_size, height, width, channels]
   input_image = np.expand_dims(gray, axis=0)
   
   # Path to the Seatbelt detection lite model
   model = ‘./models/lite_model.tflite’
   “”" predict using tflite model”“”
   interpreter = tf.lite.Interpreter(model_path=model)
         
   interpreter.allocate_tensors()
   input_tensor = interpreter.get_input_details()
   output_tensor = interpreter.get_output_details()
         
   input_shape = input_tensor[0][‘shape’]
     
   interpreter.set_tensor(input_tensor[0][‘index’], input_image)
   interpreter.invoke()
         
   # Make prediction
   output = interpreter.get_tensor(output_tensor[0][‘index’])
   predictions = softmax(output[0])
   predicted_label = np.argmax(predictions)
   confidence = round(np.max(predictions),2)
   
   if predicted_label == 1:
      predicted_class = “Seatbelt on”
      
   else:
        predicted_class = “No seatbelt”
   “”"
   # prediction using tensorflow session
   tf_config = tf.ConfigProto()
   tf_config.gpu_options.allow_growth = True
         
   with tf.Session(config=tf_config) as sess:
         
       predicted_label = tf.argmax(predictions, 1).eval()
       #label = dict[str(predicted_labels[0])]
       pred = predictions.eval()
       
       confidence = round(np.max(pred),2)
        
       if predicted_label[0] == 1:
        predicted_class = “Seatbelt on”
      
       else:
        predicted_class = “No seatbelt”
   “”"   
   return predicted_class, confidence          
 

在我的活动课上，我正在做一个tensorflow检测，如下所示。。应用程序抛出异常maskDetectorTFLite！！。识别此行中的图像（detectedFace.bitmap）

fun doTensorFlowDetection（detectedFace:BoundingBox）{
试一试{
maskDetectorTFLite！！.recognizeImage（detectedFace.bitmap）
maskGrayResults=maskDetectorTFLite！！.getGrayOutput（）
}catch（e:java.lang.IllegalArgumentException）{
e、 printStackTrace（）
//showSnackbar（例如message.toString（））
maskGrayResults=2
}
如果（maskGrayResults==0）{
imageReceivedEvent.SEAT BELT=BWConstants.SEAT BELT\u ENUM.SEAT\u BELT\u OFF
BWLog.d（标签“安全带关闭”）
}else if（maskGrayResults==2）{
BWLog.d（标签“未知安全带”）
imageReceivedEvent.SEAT BELT=BWConstants.SEAT BELT\u ENUM.SEAT\u BELT\u未检测到
}否则{
imageReceivedEvent.SEAT BELT=BWConstants.SEAT BELT\u ENUM.SEAT\u BELT\u ON
BWLog.d（标签“安全带打开”）
}
}

识别图像是它抛出异常的位置

抽象类MaskDetectorTFLite(
上下文：上下文，
设备：TensorFlowAndroid。设备？，
numThreads:Int
)：MaskDetector（）{
private val tfliteOptions=解释器.Options（）
私有模型：ByteArray？
受保护的var-tflite:解释器？
私有变量gpuDelegate:gpuDelegate？=null
//-------------------------------------公共方法----------------------------------------
趣味识别图像（位图：位图？）{
位图？.let{展平图像（it）}
运行推断（）
}
打开getGrayOutput（）：Int{
val temp:MutableList=ArrayList（）
对于（预测[0]中的f）{
温度添加（f）
}
//BWLog.d（“掩码输出：”，Arrays.toString（temp.toTypedArray（））//显示灰色输出值
//System.out.println（“掩码输出：+Arrays.toString（temp.toArray（））；//显示灰色输出值
返回索引的温度（集合的最大值（温度））
}
有趣的结尾（）{
if（tflite！=null）{
tflite！！.close（）
tflite=null
}
if（gpuDelegate！=null）{
gpuDelegate！！.close（）
gpuDelegate=null
}
tfliteModel=null
}
//
//-------------------------------------私有方法----------------------------------------
@抛出（IOException:：类）
私有趣味加载模型文件（上下文：上下文）：ByteArray{
//todo在使用其他模型名称时更改此选项
val fileName=bwstants.TENSOR_安全带_文件
val streams=context.openFileInput（文件名）
//val assetFile=context.assets.open（文件名）
返回streams.readBytes（）
//返回文件（context.filesDir，文件名）
//val fileDescriptor=context.assets.openFd（modelPath！！）
val inputStream=流
//FileInputStream（fileDescriptor.fileDescriptor）
val fileChannel=inputStream.channel
val STARTOFSET=0升
val declaredLength=inputStream.channel.size（）
//返回fileChannel.map(
//FileChannel.MapMode.READ_只读，
//startOffset，
//申报长度
//        )
}
//-------------------------------抽象方法----------------------------------------
抽象val模型路径：字符串？
抽象推理（）
伴星{
@抛出（IOException:：类）
趣味创造(
上下文：上下文？，
型号：TensorFlowAndroid。型号？，
设备：TensorFlowAndroid。设备？，
numThreads:Int
)：MaskDetectorTFLite{
返回MaskDetectorTFLiteFloat（上下文、设备、numThreads）
}
}
//---------------------------------------建造师------------------------------------------
初始化{
tfliteModel=loadModelFile（上下文）
何时（设备）{
TensorFlowAndroid.Device.NNAPI、TensorFlowAndroid.Device.GPU、TensorFlowAndroid.Device.CPU->println(
“使用CPU”
)
}
val buffer=ByteBuffer.allocateDirect（tfliteModel！！.size）.order（ByteOrder.nativeOrder（））
buffer.put（tfliteModel）
tfliteOptions.setNumThreads（numThreads）
tflite=解释器（缓冲区、tflite选项）
}
}

为了使图像平坦，我正在做这样的事情

抽象类MaskDetector:TensorFlowAndroid{
var flattedImage=FloatArray（IN_IMAGE_H*IN_IMAGE_W*DIM_PIXEL_SIZE）
var值=
阵列（在图像中高*在图像中低）
var预测=
数组（1）{FloatArray（3）}
受保护的图像（位图：位图）{
位图.getPixels(
intValues，
0,
位图宽度，
0,
0,
位图宽度，
位图高度
)
var指数=0
用于（i在0中直到在图像中）{
用于（0中的j，直到图像中的W）{
val pixelValue=intValues[i*IN_IMAGE_W+j]
展平图像[索引++]=（像素值shr 0和0xFF）/255.0f
}
}
}
伴星{
保护常数值阈值=0.5f
val IN_IMAGE\u W:Int=遮罩大小\u宽度
val IN_IMAGE_H:Int=遮罩大小调整高度
val DIM_像素_大小=1
val阈值=0.15f
}
}