当使用 OpenCV 完成图像加载和调整大小时，Resnet50 会产生不同的预测

我想使用 Keras Resnet50 模型和 OpenCV 来读取输入图像并调整其大小。 我使用 Keras 中的相同预处理代码（对于 OpenCV，我需要转换为 RGB，因为这是 preprocess_input() 期望的格式）。 我使用 OpenCV 和 Keras 图像加载得到的预测略有不同。我不明白为什么预测不一样。

这是我的代码：

import numpy as np
import json
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.resnet50 import preprocess_input, decode_predictions
import cv2

model = ResNet50(weights='imagenet')

img_path = '/home/me/squirle.jpg'

# Keras prediction
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
preds = model.predict(x)
print('Predicted Keras:', decode_predictions(preds, top=3)[0])

# OpenCV prediction
imgcv = cv2.imread(img_path)
dim = (224, 224)
imgcv_resized = cv2.resize(imgcv, dim, interpolation=cv2.INTER_LINEAR)
x = cv2.cvtColor(imgcv_resized , cv2.COLOR_BGR2RGB)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
preds = model.predict(x)
print('Predicted OpenCV:', decode_predictions(preds, top=3)[0])

Predicted Keras: [('n02490219', 'marmoset', 0.28250763), ('n02356798', 'fox_squirrel', 0.25657368), ('n02494079', 'squirrel_monkey', 0.19992349)]
Predicted OpenCV: [('n02356798', 'fox_squirrel', 0.5161952), ('n02490219', 'marmoset', 0.21953616), ('n02494079', 'squirrel_monkey', 0.1160824)]

我如何使用 OpenCVimread() and resize()获得与 Keras 图像加载相同的预测？

# Keras prediction
img = image.load_img(img_path, target_size=(224, 224))

   # OpenCV prediction
imgcv = cv2.imread(img_path)
dim = (224, 224)
imgcv_resized = cv2.resize(imgcv, dim, interpolation=cv2.INTER_LINEAR)

1. 如果你仔细观察，你在案例中指定的插值 CV2 的值为cv2.INTER_LINEAR（双线性插值）；但是，默认情况下，image.load_img()使用一个INTER_NEAREST插值法。

2. img_to_array(img). The dtype这里的参数是：无

默认为 None，在这种情况下为全局设置 使用 tf.keras.backend.floatx() （除非您更改它，否则它默认 到“float32”）

因此，在img_to_array(img)你有一个图像，其中包含float32值，而cv2.imread(img)返回一个 numpy 数组uint8 values.

3. 确保从 BGR 转换为 RGB，因为 OpenCV 直接加载为 BGR 格式。您可以使用image = image[:,:,::-1] or image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB);否则，R 和 B 通道将会颠倒，导致比较不正确。

由于您在这两种情况下应用的预处理是相同的，因此唯一的区别是我上面提到的那些；适应这些变化应确保可重复性。

我想做一个观察：只要使用图书馆（cv2在这种情况下）它会自动（并且可以说仅加载整数）而不是浮点数，唯一正确的方法是将第一个预测数组（Keras）转换为uint8因为通过将后者投射到float32，信息中可能存在的差异就会丢失。例如，与cv2你加载到uint8，并通过铸造而不是233你得到233.0。然而，也许初始像素值是233,3但这由于第一次转换而丢失了。