基于MobileNetV2的口罩检测模型输入图像resize报错咨询
MobileNetV2人脸口罩检测系统预处理报错修复指南
模型输入要求前置说明
你搭建的基础骨干网络定义了明确的输入规范:
- 输入尺寸固定为
(224, 224, 3),对应224×224分辨率、3通道彩色图像 - 推理接口默认接收批次维度输入,单张图像的实际传入张量格式为
(batch_size, 224, 224, 3),单张图的batch_size=1
原有代码的报错根因
逐行核对后可定位4个直接触发报错的逻辑问题,也是抛出ValueError: cannot reshape array of size 3136的核心原因:
- 人脸裁剪坐标参数错配:OpenCV人脸检测返回的矩形参数为
(x, y, w, h),分别是左上角x坐标、左上角y坐标、矩形宽度、矩形高度,原代码grayscale_img[y:y+w,x:x+w]把宽度w当成高度做切片,裁剪出的人脸区域本身尺寸就是错的 - resize目标尺寸错配:原代码将人脸图resize到
(56,56),单通道56×56图像总像素数为3136,和模型要求的224×224×3(总像素数150528)元素总数差距极大 - 误用reshape强行凑维度:单通道灰度图总像素数远低于目标张量的元素总数,强行reshape必然触发维度不匹配报错;即使像素数完全匹配,reshape也会破坏图像的空间像素分布,完全无法用于有效推理
- 输入通道不匹配:模型是基于ImageNet的3通道RGB图像训练的,单通道灰度图不符合输入通道要求
正确的预处理实现流程
严格按照MobileNetV2的输入要求,调整预处理逻辑如下:
- 从原始三通道彩色视频帧上裁剪人脸ROI,不要使用灰度图作为模型输入源,避免通道不匹配
- 直接将裁剪得到的人脸区域resize到模型要求的224×224分辨率,不做中间尺寸的错误缩放
- 使用MobileNetV2官方内置的预处理函数完成像素归一化,适配预训练权重的分布要求
- 为单张图像增加批次维度,适配Keras/TensorFlow的predict接口输入格式
# 依赖导入 import cv2 import numpy as np from tensorflow.keras.applications import MobileNetV2 from tensorflow.keras.applications.mobilenet_v2 import preprocess_input from tensorflow.keras.layers import Input # 原定义的基础骨干网络 baseModel = MobileNetV2( weights="imagenet", include_top=False, input_tensor=Input(shape=(224, 224, 3)) ) # 逐帧处理人脸检测结果 for (x, y, w, h) in faces: # 正确裁剪人脸区域:从三通道彩色帧上按矩形参数切片 face_roi = frame[y:y+h, x:x+w] # 直接resize到模型要求的224*224尺寸 resized_face = cv2.resize(face_roi, (224, 224)) # 调用MobileNetV2官方预处理完成像素归一化 processed_face = preprocess_input(resized_face) # 增加批次维度,将单张图张量从(224,224,3)转为(1,224,224,3) input_tensor = np.expand_dims(processed_face, axis=0) # 执行推理 result = model.predict(input_tensor)
注意:如果口罩分类头是基于自标注数据集从零训练,且训练阶段采用了像素值除以255缩放到[0,1]的归一化规则,可以将
preprocess_input替换为resized_face / 255.0,但禁止通过reshape、重复通道复制等方式人为凑出模型要求的维度,这类操作会彻底破坏图像的有效特征,导致推理结果完全失效。
内容的提问来源于stack exchange,提问作者Ambroze kweronda
相关产品推荐
相关产品推荐

