ImageAI自定义图像分类始终输出相同假阳性结果如何解决

核心问题原因 #

• 依赖版本不兼容，预处理逻辑不一致
  ImageAI v2.1.6官方适配的运行环境为TensorFlow 2.4.x、Keras 2.4.3，当前使用的TensorFlow 2.6.0、Keras 2.6.0版本过高，会导致训练和推理阶段的图像预处理逻辑不匹配：训练阶段的图像会被归一化到[0,1]区间，而推理阶段错误沿用了ImageNet预训练模型的归一化逻辑（减均值、除以标准差），输入数据分布完全偏离训练时的分布，模型会输出错误的置信度结果。
• classification_speed参数bug
  ImageAI v2.1.6的fastest推理速度模式存在已知bug，会错误调整输入图像的尺寸和填充方式，导致输入到模型的图像完全失真，无论输入什么内容，模型都会输出固定的预测结果。
• 数据集训练不充分或结构错误
  当前使用的是第9轮训练的模型，模型尚未充分收敛，可能出现偏差。同时需检查数据集结构是否符合ImageAI要求：根目录下需包含train和test两个子文件夹，每个子文件夹下再按类别分对应数量的独立文件夹存放对应图像，若结构错误也会导致模型训练失效。

解决步骤 #

1. 先修改loadModel的参数，将classification_speed = 'fastest'替换为classification_speed = 'normal'，重新测试，多数情况下该修改即可解决固定输出的问题。
2. 若修改速度参数无效，降级依赖版本：卸载当前的TensorFlow、Keras，安装TensorFlow==2.4.1、Keras==2.4.3版本，重新训练后测试。
3. 验证训练有效性：先用训练集中的图像做推理测试，若训练集图像也无法正确分类，检查数据集的文件夹结构是否符合要求，确认num_objects参数和实际类别数量一致。
4. 若上述操作都无效，可以去掉enhance_data=True参数重新训练，部分情况下数据增强逻辑和高版本TF适配也会出现异常。

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