caffe图像分类时，训练的模型准确率很高，而单张图片测试时准确率很低

最新推荐文章于 2022-11-26 22:05:36 发布

十分耕耘一分收获

最新推荐文章于 2022-11-26 22:05:36 发布

阅读量3.5k

点赞数 1

分类专栏： caffe 图像处理文章标签： caffe 图像分类

本文链接：https://blog.csdn.net/w_q_q2017/article/details/89703941

版权

在使用Caffe进行图像分类时，发现训练模型的准确率很高，但在对单张图片进行测试时，识别准确率极低。经过排查，问题出在GPU的使用和图片读取格式上。如果训练时使用了GPU，测试时也需使用GPU；另外，加载图片时，caffe.io.load_image()读取的是RGB格式且范围在0~1，而cv2.imread()则直接读取BGR格式且范围在0~255。需要注意正确的通道转换和缩放操作，避免混淆两种读图方式导致的错误。

摘要由CSDN通过智能技术生成

做了好长的时间的图像分类，用caffe训练的模型正确率很高，但是用单张图片进行测试识别时，效果特别差，检测的出来的几乎都是同一类，查了一些资料，终于找到了解决办法。

原因1：如果训练用了GPU，那么测试的时候也要注意用GPU

原因2：注意测试图片的读取格式。

我就是错在了这里，参考的博客https://blog.csdn.net/u013841196/article/details/72799680

在图片进行通道转换时，常用的代码如下：

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))  # 通道变换，例如从(530,800,3) 变成 (3,530,800)
transformer.set_mean('data', mu) #mu是像素的均值
transformer.set_raw_scale('data', 255)  # rescale from [0, 1] to [0, 255]
transformer.set_channel_swap('data', (2, 1, 0))  # swap channels from RGB to BGR

（1）当用caffe.io.load_image方式读取图片时：