我的 Tensorflow lite 模型准确性和图像分类问题

Question

首先，我已经成功地将经过微调的 Xception 模型部署到我的 android 应用程序中，它工作正常，除了一些它预测错误的苛刻图像，但是，在我的计算机上，使用该图像，它被预测正确，即使准确率约为 50-60%。因此，转换为 tensorflow lite 模型会稍微降低我的模型准确性。 其次，我最大的问题是，如果我们有 4 个标签的预测模型，如果我们输入另一个不在声明的 4 个标签中的对象怎么办。我试图通过将检测到的对象增加到大约 1000 个对象来解决这个问题 :) 但是在尝试添加我的对象（即 1004 个对象）时非常困难。任何可以澄清对象是否在标签中的解决方案？感谢您解决我的问题。 从第二个问题派生的最后一个问题:(，无论如何要从已创建的模型中添加标签吗？例如，默认情况下可以检测到具有 1000 个对象的 Xception，现在我想添加 4 个或更多额外对象到模型，我该怎么做？我浏览了网站，他们都说我们需要再次训练我们的模型:(但是 1004 个对象的计算成本很高。 谢谢你解决了我的问题，不胜感激。

Answer 1

转换为 TensorFlow Lite预计会降低准确性，尤其是对于异常值输入，例如您描述的输入。

如果您提供的输入来自未对模型进行过训练的类，则输出为“未定义”——logits 本质上是垃圾。

如果你想要一个标签比你拥有的标签更多的模型，你需要重新训练 :-)