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