如何提升ASP.NET Core中CustomVision的物体识别准确率？代码排查

核心代码问题 #

1. 项目ID不匹配
   你的RunTrainingAsync方法每次执行都会调用CreateProject创建新的项目，但预测时使用的是硬编码的projectId（b933984e-1c7f-4ef6-8a25-5726b3c846f7），这意味着你预测的模型根本不是刚训练的那个，而是之前创建的某个未充分训练的项目，直接导致结果无意义。

修复方式：修改训练逻辑，先检查是否存在同名项目，存在则复用，不存在再创建，确保训练和预测使用同一个项目ID：

// 替换RunTrainingAsync里的项目创建代码
var existingProject = trainer.GetProjects().FirstOrDefault(p => p.Name == "CatsVsDogsProject");
var project = existingProject ?? trainer.CreateProject("CatsVsDogsProject");
// 同时更新全局的projectId为当前项目的ID，或者在训练完成后输出ID用于预测
Console.WriteLine($"当前项目ID: {project.Id}");

2. 图片上传无校验
   调用CreateImagesFromData上传图片时，没有检查返回结果是否成功。如果部分图片上传失败（比如格式错误、重复上传），实际参与训练的图片数量会更少，模型训练效果极差。

修复方式：添加上传结果校验：

foreach (var file in Directory.GetFiles(Path.Combine(imagesFolder, "Cat")))
{
    using var stream = File.OpenRead(file);
    var result = trainer.CreateImagesFromData(project.Id, stream, new[] { catTag.Id });
    if (result.IsBatchSuccessful == false)
    {
        foreach (var error in result.Images.Where(i => i.Status != "OK"))
        {
            Console.WriteLine($"图片 {file} 上传失败: {error.Status}");
        }
    }
}

3. 训练结果无验证
   训练完成后没有查看迭代的性能指标（如精确率、召回率），无法确认模型本身是否训练有效。

修复方式：训练完成后输出性能数据：

iteration = trainer.GetIteration(project.Id, iteration.Id);
Console.WriteLine($"训练完成，精确率: {iteration.Precision:P1}, 召回率: {iteration.Recall:P1}");

数据层面 #

• 扩充训练数据：20张图片远不足以训练出有效模型，每个类别至少需要100张以上，最好200+。图片要覆盖不同场景：不同品种的猫狗、不同光照条件、不同背景、不同角度姿态。
• 保证类别平衡：猫狗两类的图片数量尽量接近，避免数量差距过大导致模型偏向数量多的类别。
• 数据增强：在CustomVision门户或训练代码中开启自动增强功能（翻转、旋转、亮度调整、裁剪等），可以在有限数据下提升模型泛化能力。代码中创建项目时可设置：

var project = trainer.CreateProject("CatsVsDogsProject", domainId: Guid.Parse("ee85a72c-405e-4adc-bb47-ffa8ca0c9f31"), // 通用分类领域
    classificationType: ClassificationType.Multiclass,
    enableImageProcessing: true); // 开启自动增强

• 分离测试集：单独准备10%-20%的图片作为测试集，不要用训练过的图片测试，才能真实反映模型效果。

训练层面 #

• 选择合适的领域：如果是猫狗分类，选择“通用（Compact）”或“动物”领域（如果有），比通用领域更贴合场景，训练效率更高。
• 多次迭代训练：单次训练可能效果不足，可以在训练完成后，基于现有迭代继续训练（使用TrainProject再次调用），或者在门户中使用“高级训练”（如果是付费资源）。
• 检查标注准确性：确保所有训练图片的标注完全正确，没有把猫标成狗或反之，错误标注会严重误导模型。

内容的提问来源于stack exchange，提问作者max ray