Python 使用带有Google Coral USB加速器的Pycaral库进行二值图像分类

我有一个Keras模型，它使用sigmoid函数进行二元分类。我将模型编译为Coral USB运行推理所需的

.tflite

格式。但是，我注意到脚本

classify\u image.py

执行多类分类。因此，当我尝试对图像进行分类时，我得到了对任何图像的100%预测。例如，我的模型将红外图像分类为发热状态。即使我通过一个球的图像，发烧等级也100%呈阳性

所以，我再次测试了一个使用layer softmax的多类模型，该模型用于使用完全自定义模型的植物，这次它成功了。它为工厂a、工厂B和工厂C提供了合理的85%精度

因此，我想知道我需要做什么更改，才能使用二进制分类自定义模型处理Pycaral

这是我用于分类的代码：

import argparse
import time

from PIL import Image
from pycoral.adapters import classify
from pycoral.adapters import common
from pycoral.utils.dataset import read_label_file
from pycoral.utils.edgetpu import make_interpreter
import cv2 as cv
import numpy as np


def main():
  parser = argparse.ArgumentParser(
      formatter_class=argparse.ArgumentDefaultsHelpFormatter)
  parser.add_argument('-m', '--model', required=True,
                      help='File path of .tflite file.')
  parser.add_argument('-i', '--input', required=True,
                      help='Image to be classified.')
  parser.add_argument('-l', '--labels',
                      help='File path of labels file.')
  parser.add_argument('-k', '--top_k', type=int, default=2,
                      help='Max number of classification results')
  parser.add_argument('-t', '--threshold', type=float, default=0.0,
                      help='Classification score threshold')
  parser.add_argument('-c', '--count', type=int, default=5,
                      help='Number of times to run inference')
  args = parser.parse_args()

  labels = read_label_file(args.labels) if args.labels else {}

  interpreter = make_interpreter(*args.model.split('@'))
  interpreter.allocate_tensors()
  print(interpreter)

  size = common.input_size(interpreter)
  image = cv.imread(args.input)
  image = cv.normalize(image, image, 0, 255, cv.NORM_MINMAX)
  common.set_input(interpreter, image)

  print('----INFERENCE TIME----')
  print('Note: The first inference on Edge TPU is slow because it includes',
        'loading the model into Edge TPU memory.')
  for _ in range(args.count):
    start = time.perf_counter()
    interpreter.invoke()
    inference_time = time.perf_counter() - start
    classes = classify.get_classes(interpreter, args.top_k, args.threshold)
    print('%.1fms' % (inference_time * 1000))

  print('-------RESULTS--------')
  for c in classes:
    print('%s: %.5f' % (labels.get(c.id, c.id), c.score))


if __name__ == '__main__':
  main()

---

My

labels.txt

有两个标签，分别是发烧（阳性）和健康（阴性）。用于二进制模型分类的阈值为0.50，据我所知，模型层与Coral USB加速器设备完全兼容。

您是在谈论classify_image.py吗？这是tensorflow库版本。然而，我指的是pycoral版本。