Tflite 模型在 Android（ml vision）和 Python 中给出不同的输出

Question

我正在使用 ML Vision api 从 FaceNet 模型创建嵌入，然后比较两个嵌入之间的余弦距离。Android 版本和 Python 的输出差别很大。Python 版本的性能优于 android 版本。可能是什么问题？我在两者中都使用了 FaceNet 模型。

我正在使用 ML 工具包进行推理https://firebase.google.com/docs/ml-kit/android/use-custom-models

我认为这可能是由于java读取图像的方式引起的，因为android中制作的图像数组与python中相同图像的数组不同。

Answer 1

所以我被困在这个问题上，因为我正在关注ML vision docs上的谷歌文档， 其中图像在将其提供给分类器之前被转换为浮点数组，它看起来像这样：val bitmap = Bitmap.createScaledBitmap(yourInputImage, 224, 224, true)val batchNum = 0val input = Array(1) { Array(224) { Array(224) { FloatArray(3) } } }for (x in 0..223) {    for (y in 0..223) {        val pixel = bitmap.getPixel(x, y)        // Normalize channel values to [-1.0, 1.0]. This requirement varies by        // model. For example, some models might require values to be normalized        // to the range [0.0, 1.0] instead.        input[batchNum][x][y][0] = (Color.red(pixel) - 127) / 255.0f        input[batchNum][x][y][1] = (Color.green(pixel) - 127) / 255.0f        input[batchNum][x][y][2] = (Color.blue(pixel) - 127) / 255.0f    }}然后我一步一步分析，发现获取像素的方式是错误的，和python做这一切的方式完全不同。然后我从这个来源找到了这种方法，我用我的方法改变了这个功能：private fun convertBitmapToByteBuffer(bitmap: Bitmap): ByteBuffer {        val imgData = ByteBuffer.allocateDirect(4 * INPUT_SIZE * INPUT_SIZE * PIXEL_SIZE)        imgData.order(ByteOrder.nativeOrder())        val intValues = IntArray(INPUT_SIZE * INPUT_SIZE)        imgData.rewind()        bitmap.getPixels(intValues, 0, bitmap.width, 0, 0, bitmap.width, bitmap.height)        // Convert the image to floating point.        var pixel = 0        for (i in 0 until INPUT_SIZE) {            for (j in 0 until INPUT_SIZE) {                val `val` = intValues[pixel++]                imgData.putFloat(((`val`.shr(16) and 0xFF) - IMAGE_MEAN)/IMAGE_STD)                imgData.putFloat(((`val`.shr(8) and 0xFF)- IMAGE_MEAN)/ IMAGE_STD)                imgData.putFloat(((`val` and 0xFF) - IMAGE_MEAN)/IMAGE_STD)            }        }        return imgData;   }