c++下opencv调用pytorch分类模型

仅用于pytorch训练的图像分类模型，在python中的数据预处理方式为：

data_transform = transforms.Compose([transforms.Resize(256),
                                     transforms.CenterCrop(224),
                                     transforms.ToTensor(),
                                     transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])

在C++中预处理方式为：

    String modelFile = "模型路径";
    String imageFile = "图片路径";

    dnn::Net net = cv::dnn::readNetFromONNX(modelFile); //读取网络和参数

    Mat img = imread(imageFile); // 读取测试图片

    cv::cvtColor(img, img, cv::COLOR_BGR2RGB);
    cv::resize(img, img, cv::Size(256, 256));
    
    img = blobFromImage(img, 1.0f/255.0f, Size(224, 224), false, true); //将图像转化为正确输入格式


    std::vector<float> mean_value{ 0.485, 0.456, 0.406 };
    std::vector<float> std_value{ 0.229, 0.224, 0.225 };
    cv::Mat dst;
    std::vector<cv::Mat> rgbChannels(3);
    cv::split(img, rgbChannels);
    for (auto i = 0; i < rgbChannels.size(); i++)
    {
        rgbChannels[i] = (rgbChannels[i] - mean_value[i]) / std_value[i];
    }
    cv::merge(rgbChannels, dst);

    net.setInput(dst); //输入图像

    Mat result = net.forward(); //前向计算

    cout << result1 << endl;

经过C++的预处理后，虽然上面C++与python模型输出的值不一样(ONNX模型的转换是没有问题的，但是不知道为什么到C++输出的值就是跟python不一样)，但是经过softmax分类后类别分类与python中模型一致