使用opencv预处理测试图像进行预测答案

【问题标题】：Preprocessing test images using opencv for prediction使用opencv预处理测试图像进行预测
【发布时间】：2021-02-13 21:46:40
【问题描述】：

我正在处理以 RGB 格式保存的灰色图像数据集。我在这个数据集上训练了 VGG16，并以这种方式对其进行了预处理：

train_data_gen = ImageDataGenerator(rescale=1./255,rotation_range = 20, 
                                width_shift_range = 0.2, 
                                height_shift_range = 0.2,    
                                horizontal_flip = True)

validation_data_gen = ImageDataGenerator(rescale=1./255)

train_gen= train_data_gen.flow_from_directory(trainPath,
                                          target_size=(224, 224), 
                                          batch_size = 64, 
                                          class_mode='categorical' )

validation_gen= validation_data_gen.flow_from_directory(validationPath, target_size=(224, 224), 
batch_size = 64, class_mode='categorical' )

训练完成后，训练和验证准确率都很高 (92%)。

在预测阶段，我首先尝试对图像进行预处理，如https://keras.io/applications/ 所示：

img = image.load_img(img_path, target_size=(image_size,image_size))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

但是，测试准确率很低！约 50%。我在训练样本和验证样本上再次尝试了预测，但准确率很低，也在 50% 左右，这意味着问题处于预测阶段。

相反，我使用 OpenCV 库对图像进行了预处理，准确性更好，但仍不如预期。我试图对训练样本进行预测（训练期间的准确率为 92%），在预测期间我得到了 82%。代码如下：

        img = cv2.imread(imagePath)
        #np.flip(img, axis=-1)
        img= cv2.resize(img, (224, 224),
                                 interpolation = cv2.INTER_AREA)
        img = np.reshape(img, 
              (1, img.shape[0], img.shape[1], img.shape[2]))

        img = img/255.

无论是否翻转图像，结果都是相同的。预处理步骤有什么问题？谢谢

【问题讨论】：

标签： tensorflow opencv keras conv-neural-network vgg-net

【解决方案1】：

错误在resize函数的插值参数中。它应该是cv2.INTER_NEAREST 而不是cv2.INTER_AREA。

【讨论】：