Python 与CNN相同的预测不同

我在100x120图像上训练了CNN，创建了以下生成器：

train_datagen = ImageDataGenerator(
    rescale = 1. / 255,
    shear_range = 0.2,
    zoom_range = 0.2,
    horizontal_flip = True)

test_datagen = ImageDataGenerator(
    rescale=1/255)

#Apply them
train_generator = train_datagen.flow_from_directory(
    directory = train_data_dir,
    target_size=(parameters["img_width"], parameters["img_height"]),
    batch_size = parameters["batch_size"],
    class_mode= "categorical", 
    subset = "training", 
    color_mode = "rgb",
    seed = 42)

test_generator = test_datagen.flow_from_directory(
    directory = test_data_dir,
    target_size = (parameters["img_width"], parameters["img_height"]),
    color_mode = "rgb",
    batch_size=1,
    class_mode = None,
    shuffle = False,
    seed = 41)

因此，我测试了不同图像的性能，如下所示：

# Method 1
test_generator.reset()
pred = model.predict_generator(test_generator,verbose = 1, steps = 1)
predicted_class_indices = np.argmax(pred, axis = 1)

# Convert the dictionary
labels = (train_generator.class_indices)
labels = dict((v,k) for k,v in labels.items())
predictions = [labels[k] for k in predicted_class_indices]

但是，如果我想使用以下方法对同一图像生成预测：

# Method 2
crop_img = cv2.resize(img,(100, 120))                        
crop_img = np.reshape(crop_img,[1, 100, 120, 3])
crop_img = crop_img.astype('float32')
crop_img /= 255

# ID
pred = model.predict(crop_img)
predicted_class_indices = np.argmax(pred, axis = 1)
prediction = [labels[k] for k in predicted_class_indices]

我得到了一个不同的结果。原因是什么？

Keras'ImageDataGenerator加载和调整图像大小。当您使用双线性插值（cv2.resize）调整大小时，默认情况下ImageDataGenerator使用最近邻插值

您可以使用调整大小的方法，直到获得相同的结果，或者使用keras preprocessing的和便利功能，以确保您所做的预处理与培训期间所做的完全相同：

from keras.prepropressing.image import load_img, img_to_array

img = load_img(path_to_img, target_size=(100, 120)
img = img_to_array(img) / 255.
model.predict(img)

Keras的ImageDataGenerator用于加载和调整图像大小。当您使用双线性插值（cv2.resize）调整大小时，默认情况下ImageDataGenerator使用最近邻插值

您可以使用调整大小的方法，直到获得相同的结果，或者使用keras preprocessing的和便利功能，以确保您所做的预处理与培训期间所做的完全相同：

from keras.prepropressing.image import load_img, img_to_array

img = load_img(path_to_img, target_size=(100, 120)
img = img_to_array(img) / 255.
model.predict(img)

---

默认情况下，

cv2

读入

BGR

。您确定要将

RGB

图像发送到网络吗？我添加了img=cv2.cvtColor（img，cv2.COLOR\u BGR2RGB），但默认情况下，它仍报告不同的输出

cv2

读取

BGR

。你确定要将

RGB

图像发送到网络吗？我添加了img=cv2.cvtColor（img，cv2.COLOR\u BGR2RGB），但它仍然报告不同的输出使用此设置它可以工作，但是有没有办法利用keras预处理库处理已经加载并经过一些先前预处理步骤的图像（例如去噪等）是的，您可以使用keras预处理中的

img_to_array

和

array_to_img

在numpy数组和PIL图像之间来回切换，并使用PIL的Image.resize（）方法进行大小调整，方法与

load_img（）中的方法相同

如果我使用load\u img保存并重新加载预处理的图像，它会工作，如果我使用img=cv2.cvtColor（img，cv2.COLOR\u BGR2RGB）img=array\u to\u img（img）img=img.resize（（100120），image.NEAREST）img=img\u to\u array（img）/255.img=np.reformate（img，[1100，120，3]）它没有什么意义，它不工作吗？你得到错误消息，或者只是不同的结果吗？我得到不同的结果使用这个设置它工作，但有没有一种方法可以利用keras预处理库与已经加载的图像，并已通过一些预处理步骤（例如去噪等）是的，您可以使用keras preprocessing中的

img_to_array

和

array_to_img

在numpy数组和PIL图像之间来回切换，并使用PIL的Image.resize（）方法进行大小调整，方法与加载img（）中的方法相同如果我使用load\u img保存并重新加载预处理的图像，它会工作，如果我使用img=cv2.cvtColor（img，cv2.COLOR\u BGR2RGB）img=array\u to\u img（img）img=img.resize（（100120），image.NEAREST）img=img\u to\u array（img）/255.img=np.reformate（img，[1100，120，3]）它没有什么意义，它不工作吗？你得到一个错误消息，或者只是不同的结果？我得到不同的结果