java - Tflite模型在Android(ml视觉)和Python中提供不同的输出

Question

我正在使用ML Vision API从FaceNet模型创建嵌入，然后比较两个嵌入之间的余弦距离。 Android版本和Python的输出差异很大。 Python版本的执行方式比android版本要好。可能是什么问题？我两者都使用FaceNet模型。

我正在使用ML kit推断https://firebase.google.com/docs/ml-kit/android/use-custom-models

我认为可能是由于Java读取图像的方式所致，因为android中的图像数组与python中的相同图像不同。

Answer 1

所以当我在ML vision docs上关注Google文档时，我陷入了这个问题
在将图像提供给分类器之前将图像转换为float数组的位置，如下所示:

val bitmap = Bitmap.createScaledBitmap(yourInputImage, 224, 224, true)

val batchNum = 0
val input = Array(1) { Array(224) { Array(224) { FloatArray(3) } } }
for (x in 0..223) {
    for (y in 0..223) {
        val pixel = bitmap.getPixel(x, y)
        // Normalize channel values to [-1.0, 1.0]. This requirement varies by
        // model. For example, some models might require values to be normalized
        // to the range [0.0, 1.0] instead.
        input[batchNum][x][y][0] = (Color.red(pixel) - 127) / 255.0f
        input[batchNum][x][y][1] = (Color.green(pixel) - 127) / 255.0f
        input[batchNum][x][y][2] = (Color.blue(pixel) - 127) / 255.0f
    }
}

然后，我一步一步地分析了每个步骤，发现提取像素的方法是错误的，并且与python的所有方法完全不同。

然后我从 this source中找到了这样做的方法，并用我的函数更改了该函数:

    private fun convertBitmapToByteBuffer(bitmap: Bitmap): ByteBuffer {
        val imgData = ByteBuffer.allocateDirect(4 * INPUT_SIZE * INPUT_SIZE * PIXEL_SIZE)
        imgData.order(ByteOrder.nativeOrder())
        val intValues = IntArray(INPUT_SIZE * INPUT_SIZE)


        imgData.rewind()
        bitmap.getPixels(intValues, 0, bitmap.width, 0, 0, bitmap.width, bitmap.height)
        // Convert the image to floating point.
        var pixel = 0
        for (i in 0 until INPUT_SIZE) {
            for (j in 0 until INPUT_SIZE) {
                val `val` = intValues[pixel++]
                imgData.putFloat(((`val`.shr(16) and 0xFF) - IMAGE_MEAN)/IMAGE_STD)
                imgData.putFloat(((`val`.shr(8) and 0xFF)- IMAGE_MEAN)/ IMAGE_STD)
                imgData.putFloat(((`val` and 0xFF) - IMAGE_MEAN)/IMAGE_STD)
            }
        }
        return imgData;
   }

而且有效!