opencv - 为什么 DIGITS 和 OpenCV 3.1 的结果不同？

Question

我使用 DIGIT 进行分类（我使用自适应梯度、随机梯度下降和 Nesterov 的加速梯度测试 GoogLeNet）。图像为彩色和 256*256。训练后，我使用“测试单个图像”选项并测试一个图像。结果是显示完美匹配并正确分类图像。然后我使用下载的模型在基于“ http://docs.opencv.org/trunk/d5/de7/tutorial_dnn_googlenet.html ”的OpenCV 3.1（windows 64bit，visual studio 2013，Nvidia GPU）中应用。但是，我总是得到不同的课程和错误的答案。
编辑：
我尝试cvtColor(img, img, COLOR_BGR2RGB)并没有解决问题。我还是得到了错误的结果。我尝试不同data transformations的none,image和pixel. 也不同solver type。

Answer 1

如果 OpenCV 3 vs 2 引起了这个问题，我会感到惊讶。相反，我预计这种差异是由于数据预处理的差异造成的。

这是一个如何对在 DIGITS 中训练的 Caffe 模型进行数据预处理的示例： https ://github.com/NVIDIA/DIGITS/blob/v4.0.0/examples/classification/example.py#L40-L85

还要确保您阅读了这些“陷阱”：https ://github.com/NVIDIA/DIGITS/blob/v4.0.0/examples/classification/README.md#limitations

Answer 2

OpenCV 默认使用现在非常罕见的 BGR（蓝色、绿色、红色）颜色通道排序。正常是RGB。

为什么 OpenCV 使用 BGR 颜色空间而不是 RGB

这可以解释模型的糟糕表现。