CNN+LSTM多对一二分类模型预测函数与可变长序列适配问题

你遇到的报错本质是输入张量维度不匹配：训练完成的模型固定要求输入为5维格式(批次大小, 序列长度90, 图像高度112, 图像宽度112, 通道数3)，但你当前代码生成的输入是4维格式(69,112,112,3)——相当于把69张独立图像直接当成69个单图样本喂给模型，既缺少了序列长度的维度约束，也没对齐训练时固定的90帧要求，同时代码本身还有几处逻辑bug，直接运行必然出错。

1. 当前预测函数的问题与修正方案 #

你的预测代码存在4个明确问题：

• 维度缺失：读取完单组 incident 的图像后，没有给张量增加批次维度，也没有对齐序列长度维度，不符合模型输入要求
• 预处理不一致：代码里写了归一化逻辑normalized_img = image_array/255，但实际加入待预测列表的是未归一化的原始像素数组，和训练时的输入分布不匹配，就算维度对齐预测结果也会失准
• 缓存未清空：存储图像的image_reader列表没有在每个incident处理开始时重置，处理多组数据时会把前序incident的图像混入，序列长度会持续异常
• 长度不匹配：当前incident只有69张图像，和训练时固定的90帧长度差21帧，直接输入不符合模型的固定长度约束

如果暂时不做可变长度适配，直接用现有训练好的模型做预测，可参考以下修正代码（注意帧采样/补全逻辑必须和你训练数据集时的处理逻辑完全一致，否则会掉精度）：

SEQUENCE_LENGTH = 90
IMAGE_SIZE = (112, 112)

for incident in sequences_now:
    image_reader = []  # 每个样本处理前先清空缓存
    frame_paths = [item['path_name'] for item in incident]

    # 对齐到固定90帧：超过90帧均匀采样，不足90帧补最后一帧
    if len(frame_paths) >= SEQUENCE_LENGTH:
        sample_step = len(frame_paths) // SEQUENCE_LENGTH
        selected_paths = frame_paths[::sample_step][:SEQUENCE_LENGTH]
    else:
        selected_paths = frame_paths + [frame_paths[-1]] * (SEQUENCE_LENGTH - len(frame_paths))

    for path in selected_paths:
        img = load_img(path, color_mode="rgb", target_size=IMAGE_SIZE, interpolation='bilinear')
        img_array = img_to_array(img)
        normalized_img = img_array / 255.0  # 必须用归一化后的数组
        image_reader.append(normalized_img)

    # 维度调整：(90,112,112,3) -> 增加批次维度变成(1,90,112,112,3)
    predictor = np.expand_dims(np.array(image_reader), axis=0)
    pred_prob = LRCN_model.predict(predictor, verbose=0)
    pred_label = int(np.round(pred_prob[0][0]))
    print("Good Incident" if pred_label == 1 else "Bad Incident")

2. 可变长度序列预测的代码修改点 #

如果要适配实时场景下序列长度波动的情况，不需要强制凑90帧，核心修改点如下：

• 调整模型输入配置：将第一层的input_shape中序列长度维度设为None，即配置为input_shape=(None, 112, 112, 3)，显式告诉模型序列长度不固定。你当前用TimeDistributed包装的CNN层只对单帧做特征提取，和序列长度无关，不需要调整；原生LSTM层本身支持可变长度输入，也不需要额外修改结构。
• 推理逻辑调整：去掉固定90帧的采样/补全逻辑，直接读取当前incident的全部有效帧，做归一化后拼成(1, 实际帧数, 112, 112, 3)格式的张量输入模型即可，单样本实时推理时批次大小固定为1，不需要做批量对齐。
• 如果需要批量推理不同长度的样本，不能直接将不同长度的序列拼成numpy数组（numpy要求数组内元素形状一致），可以逐样本调用predict，或者用TensorFlow的tf.data.Dataset做分桶批处理，把序列长度接近的样本放在同一个batch内，减少padding冗余。

3. 可变长度预测的重训练要求与配置调整 #

必须重新训练模型。原有模型的权重是在固定90帧的输入下学习得到的，就算你临时修改输入层的shape配置直接加载原有权重，当输入序列长度偏离90过多时，模型效果会大幅下跌，输出结果不可信。
重训练时需要调整的配置如下：

• 模型输入配置：构建模型时将第一层的input_shape序列维度设为None，去掉固定90帧的约束。
• 数据集处理：训练、验证、测试集都不需要再强制把样本裁剪/补全到90帧，保留样本的原始序列长度即可。
• 训练数据加载：由于不同样本序列长度不一致，无法直接拼成规则numpy张量喂入模型，可以选择两种方案：一是用分桶逻辑，把序列长度接近的样本放在同一个batch内，同batch内的样本补帧到相同长度；二是用生成器逐样本生成大小为1的batch做训练，不需要padding。
• 注意：你当前用的TimeDistributed包装的CNN层不支持掩码（mask）传递，如果用补零padding的方式批处理，不要给LSTM开mask_zero=True，否则会因为掩码无法从CNN层传到LSTM层报错。

如果你的实时场景下序列长度波动不大（比如大部分在70-110帧区间），用第一部分提到的固定90帧均匀采样方案即可，效果和变长模型差距很小，还不需要重训练，部署成本更低；只有当序列长度波动范围极大（比如短样本不足10帧、长样本超过200帧）时，才需要考虑重训练变长模型。

内容的提问来源于stack exchange，提问作者sheetal dsouza