AlexNet+LSTM模型视频预测时更换输入始终输出相同结果问题求助

你的预测结果始终为0的核心问题首先出在推理代码逻辑存在严重错误，和模型训练的问题是两码事，先把代码的问题修复后再排查训练环节的问题即可。

现有代码的核心错误 #

• 最致命的错误：你在把读取到的单帧图像resize赋值给frame_set后，紧接着用frame_set=np.arange(10*width*height*3).reshape(10,width, height, 3)直接用无意义的等差数值序列覆盖了有效帧数据，等于每次喂给模型的根本不是视频内容，模型当然输出固定结果。
• 不符合模型输入要求：你的模型输入要求是连续10帧的时序视频序列，现有逻辑每次只读1帧，没有缓存连续10帧的逻辑，完全不匹配CNN+LSTM的输入规范。
• 冗余无效操作：frame_set.reshape(10, width, height, 3).shape没有任何赋值动作，属于完全无用的代码。
• 逻辑错误：vid.set(3, 480)和vid.set(4, 240)写在帧读取之后不会生效，且后续你已经把帧resize到224*224，这两行设置完全多余。
• 缺失预处理步骤：没有和训练环节对齐的像素归一化操作，且你直接把分类概率数组传给cv2.imshow展示，属于调用逻辑错误。

修复后的参考推理代码 #

import cv2
import numpy as np
from tensorflow.keras import models
from collections import deque
import time

model_path = 'Model/AlexNet_LSTM_10Frame_Cropped.h5'
model = models.load_model(model_path)
vid = cv2.VideoCapture("Data Fix/Data16_133.mp4")

# 初始化长度为10的帧缓存队列，对应模型的时序输入要求
frame_buffer = deque(maxlen=10)
# 归一化参数必须和训练环节完全一致，如果你训练时只是像素除以255，直接修改为frame_resized/255.0即可
norm_mean = [0.485, 0.456, 0.406]
norm_std = [0.229, 0.224, 0.225]
total_frame = 0
# 替换为你自己的5个类别名称
class_names = ["类别0", "类别1", "类别2", "类别3", "类别4"]

while(vid.isOpened()):
    ret, frame = vid.read()
    start = time.time()
    if ret == True:
        total_frame += 1
        draw = frame.copy()
        # 单帧预处理和训练环节保持一致
        frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        frame_resized = cv2.resize(frame_rgb, (224, 224), interpolation = cv2.INTER_AREA)
        frame_normalized = (frame_resized / 255.0 - norm_mean) / norm_std
        # 加入缓存队列
        frame_buffer.append(frame_normalized)
        
        # 队列存满10帧后再执行预测
        if len(frame_buffer) == 10:
            # 转换为模型要求的输入格式 (batch, 时序长度, 宽, 高, 通道数)
            model_input = np.expand_dims(np.array(frame_buffer), axis=0)
            result = model.predict_on_batch(model_input)[0]
            # 取概率最高的类别
            pred_class = np.argmax(result)
            pred_score = result[pred_class]
            # 把预测结果绘制到画面上
            cv2.putText(draw, f"类别:{class_names[pred_class]} 置信度:{pred_score:.2f}", (10, 30), 
                        cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
            print(f"预测类别：{pred_class}，各类别概率：{result}")
        
        cv2.imshow('Result', draw)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break            
    else:
        break

vid.release()
cv2.destroyAllWindows()

修复代码后仍输出固定0的训练环节排查方向 #

• 检查数据集标注是否正确，是否存在严重类别不平衡：如果类别0的样本占比超过90%，模型会直接学习到预测所有样本为0就能拿到最高准确率。
• 确认训练时的预处理逻辑和推理完全对齐：包括色彩空间转换、归一化方式、resize插值方法等所有涉及输入数据处理的步骤。
• 检查模型结构是否正确：5分类输出层需要使用softmax激活，损失函数要和标注格式匹配，对应为categorical_crossentropy（独热标注）或sparse_categorical_crossentropy（序号标注）。
• 检查模型训练是否收敛：如果训练过程中验证集准确率始终在20%（5分类的随机概率）附近波动，说明自定义AlexNet没有学到有效特征，可以调整学习率、batch size等参数，或加入迁移学习提升特征提取能力。

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