如何调整图像尺寸与形状以适配ArcFace模型的输入要求

报错原因 #

ArcFace 模型的预测接口默认接收批量输入，要求输入为4维张量，格式为(样本数量, 高度, 宽度, 通道数)，即便只输入单张图像，也需要补全首个batch维度。你当前的输入是3维的(112, 112, 3)，会被模型将图像高度维度误识别为样本数量，最终读到的输入形状不符合要求，触发报错。

修复方案 #

只需在调用predict前给图像增加batch维度即可，同时可适配高版本Pillow的语法、增加像素归一化步骤避免特征偏差，完整可运行代码如下：

from deepface.basemodels.ArcFace import loadModel as loadArcFace
from PIL import Image
import numpy as np

model = loadArcFace()
img = Image.open('face.jpg')
# Pillow 9.1.0及以上版本已废弃ANTIALIAS，统一用LANCZOS实现高质量resize
img = img.resize((112, 112), Image.Resampling.LANCZOS)
img = np.array(img)

# 新增batch维度，两种写法二选一即可
img_input = np.expand_dims(img, axis=0)
# 第二种写法：img_input = img.reshape(1, 112, 112, 3)

# ArcFace要求输入像素值归一化到[0,1]区间，避免特征计算偏差
img_input = img_input / 255.0

# 执行预测，verbose=0可关闭不必要的进度条输出
feature = model.predict(img_input, verbose=0)

内容的提问来源于stack exchange，提问作者Tlaloc-ES