Python 当基于视频帧和单个快照进行预测时，Keras模型的预测不同

我正在Keras中训练一个二值图像分类模型，最终目标是解析整个视频。我有一个脚本，从训练视频中读取一些快照，让模型预测它们。我还有另一个脚本，它读取视频并在每个单独的帧中运行模型，并将输出保存到数据帧。出于某种原因，即使图像预测脚本所经过的许多图像是直接从视频中提取的，但即使输入图像相同，视频预测脚本的预测也将完全不同。视频预测脚本始终为每个帧预测相同的类，即使是训练集中的帧

以下是我脚本的预测部分：

#Image Prediction
        image = cv2.resize(cv2.imread(impath), (300, 300))
        if("y" in gray.lower()):
            image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        else:
            image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        image = image.astype("float") / 255.0
        image = img_to_array(image)
        image = np.expand_dims(image, axis=0)

        prediction = model.predict(image)[0]

        print(prediction)

视频预测 在取得成功的同时： 成功，frame=self.video.read（） 如果（未成功）： 打破 图像=cv2。调整大小（帧，（300300）） 图像=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY） image=image.astype（“float”）/255.0 image=img_到_数组（image） 图像=np。展开尺寸（图像，轴=0） 预测=自我。模型。预测（图像）[0] 如果（预测<.5）： 预测=0 其他： 预测=1 打印（预测） 这两个脚本对图像进行相同的预处理，不应该有任何原因导致预测结果不同。我认为这与OpenCV在视频帧中的读取方式有关，但我不知道

当我在视频预测过程中打印预测值时，它们都非常接近.5，这不应该经常发生，因为我的损失值应该在.4左右，这意味着我应该得到比.5多得多的.9秒和.1秒

---

我对任何想法都持开放态度。谢谢您的帮助。

您确定

video.read（）

正在输出相同的内容

cv2.imread（…）

？检查里面的值。我已经用type（）和np.size检查过了，video.read（）和cv2.imread（）都是返回numpy数组，大小为270000，形状为（300，300，1）@DanielMöllerwhat

np.array_equal（video_array，image_array）

返回？但它们都没有说明任何“内容”。使用视频的第一帧作为图像，它返回True@ksooklall

#Video Prediction
while success:
        success, frame = self.video.read()
        if(not success):
            break
        image = cv2.resize(frame, (300, 300))
        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        image = image.astype("float") / 255.0

        image = img_to_array(image)
        image = np.expand_dims(image, axis=0)

        prediction = self.model.predict(image)[0]

        if(prediction < .5):
            prediction = 0
        else:
            prediction = 1
        print(prediction)