Android AlexNet可以很好地处理网络图像，但不能处理移动图像

我使用alexNet训练了一个深度学习模型来对汽车模型进行分类。这些数据是从网上收集的，包括谷歌图片，闪烁，。。等等

该模型在一个单独的测试集上进行了测试，该测试集是从网络“许多来自闪烁”中收集的，并且工作良好。不过，我已经开发了一个简单的android应用程序，它可以“以横向模式”拍摄照片并发送到服务器以识别汽车。移动图像上的性能非常差。我用在imageNet上训练的alexNet模型测试了这些图像，但模型没有正确回答这些图像

我想知道，在应用手机图像时，我是否认为自己遗漏了什么

---

谢谢。

您可能需要将使用移动设备拍摄的照片添加到培训数据中。如果不可能，您可以对图像进行预处理，使其更像用于训练的图像（例如，标准化）

编辑：

平均图像减法不是标准化。标准化是减去平均图像，然后除以标准偏差。两者都是从训练集中计算出来的

你应该分析两幅图像。可能会有分辨率/闪电变化等。如果没有两幅图像的样本，很难分辨到底有什么不同。然而，深度学习因数据采集的变化而臭名昭著

第二次编辑：

---

另一个可能在移动图像上失败的点是分辨率。CNN使用任何分辨率，如果您将4000x2000图像传递到imagenet，它可能会发现与224x224图像不同的内容。因此，您可能希望发布web图像和移动图像，我们在stackoverflow上可能会告诉您两者的区别。

请澄清您的具体问题或添加其他详细信息，以突出显示您所需的内容。正如目前所写的那样，很难准确地说出你在问什么。问题是：为什么一个模型在网络图像上运行良好，而在移动拍摄的图像上却非常糟糕？是否有任何标准化或预处理，应该做，以使该模型的工作，以及移动图像？非常感谢。我不知道我应该申请什么样的预处理。我确实使用了平均图像的标准化（从训练集计算）。谢谢您的帮助。编辑我的答案以反映更改。