なぜDIGITSとOpenCV 3.1の結果が異なるのですか？

私はDIGITを使って分類します（私は、適応勾配、確率勾配降下、およびネステロフの加速勾配でGoogLeNetをテストします）。画像は色と256 * 256です。訓練の後、私は "Test a single image"オプションを使って1つの画像をテストします。結果は完全一致を示し、画像を正しく分類します。次に、ダウンロードしたモデルを「http://docs.opencv.org/trunk/d5/de7/tutorial_dnn_googlenet.html」に基づいてOpenCV 3.1（Windows 64bit、Visual Studio 2013、Nvidia GPU）に適用します。しかし、いつも私は違うクラスと間違った答えを得ました。
編集：
私はcvtColor(img, img, COLOR_BGR2RGB)を試しても問題は解決しません。それでも私は間違った結果を得ました。 data transformationsは、none、image、pixelのように違っています。また異なるsolver type。なぜDIGITSとOpenCV 3.1の結果が異なるのですか？

出典

2016-10-07 Video Analysis Deep Learning

あなたは数字を再現することができます。ここ

は、数字の訓練を受けたカフェモデル用データの前処理を行う方法の一例ですチュートリアルの 'buran'イメージと前述のモデルを使用していますか？ – Framester

ベストクラス： 'Google'、確率：66.8766％ –

OpenCVはデフォルトでカラーチャンネルの非常に珍しいBGR（青、緑、赤）の順番を使用します。標準はRGBです。

Why OpenCV Using BGR Colour Space Instead of RGB

これは、モデルの悪いパフォーマンスを説明することができます。

出典

2016-10-07 08:52:08 Framester

ありがとうございますが、私はcvtColor（img、img、COLOR_BGR2RGB）を試してみます。問題は解決しない。それでも私は間違った結果を得ました。 –

OpenCV 3 vs 2がこの問題を引き起こしていると私は驚きます。代わりに、私はその差異がデータ前処理の違いによるものであると予想しています。またhttps://github.com/NVIDIA/DIGITS/blob/v4.0.0/examples/classification/example.py#L40-L85

すると、あなたがこれらの「落とし穴」を読んで確認してください：https://github.com/NVIDIA/DIGITS/blob/v4.0.0/examples/classification/README.md#limitations

出典

2016-10-10 16:21:29

なぜDIGITSとOpenCV 3.1の結果が異なるのですか？

答えて

関連する問題