CreateML 结果在应用程序中很糟糕，而在操场上却很完美

Posted 2023-03-28

【中文标题】CreateML 结果在应用程序中很糟糕，而在操场上却很完美

【英文标题】：CreateML results are awful at app while it's perfect in playground

【发布时间】：2019-07-17 10:22:24

【问题描述】：

我正在尝试用图像分类训练 MLModel。我创建了一个应用程序来创建图像以用作训练数据（最后将使用相同的过程来获得预测）。 我从 AvCaptureSession 获得 CVPixelBuffer，将其转换为 UIImage 并将其以 JPEG 格式保存到文档目录中。后来我给它们贴上标签，并在操场上用 CreateML 训练 MLModel。因为我收集了数千张图片，所以在操场上的结果是 %100。

但是当我将此模型集成到我的应用程序中并以相同的方式提供它时，结果很糟糕。我得到 CVPixelBuffer，将其转换为 UIImage（裁剪）并将裁剪后的图像转换为 CVPixelBuffer 并将其提供给模型。我必须将 UIImage 转换为 CVPixelBuffer，因为 CoreML 模型只有 CVPixelBuffer 除外。我使用这种方法将 UIImage 转换为 CVPixelBuffer：

func pixelBuffer(width: Int, height: Int) -> CVPixelBuffer? 
    var maybePixelBuffer: CVPixelBuffer?
    let attrs = [kCVPixelBufferCGImageCompatibilityKey: kCFBooleanTrue,
                 kCVPixelBufferCGBitmapContextCompatibilityKey: kCFBooleanTrue]
    let status = CVPixelBufferCreate(kCFAllocatorDefault,
                                     width,
                                     height,
                                     kCVPixelFormatType_32ARGB,
                                     attrs as CFDictionary,
                                     &maybePixelBuffer)

    guard status == kCVReturnSuccess, let pixelBuffer = maybePixelBuffer else 
        return nil
    

    CVPixelBufferLockBaseAddress(pixelBuffer, CVPixelBufferLockFlags(rawValue: 0))
    let pixelData = CVPixelBufferGetBaseAddress(pixelBuffer)

    guard let context = CGContext(data: pixelData,
                                  width: width,
                                  height: height,
                                  bitsPerComponent: 8,
                                  bytesPerRow: CVPixelBufferGetBytesPerRow(pixelBuffer),
                                  space: CGColorSpaceCreateDeviceRGB(),
                                  bitmapInfo: CGImageAlphaInfo.noneSkipFirst.rawValue)
        else 
            return nil
    

    UIGraphicsPushContext(context)
    context.translateBy(x: 0, y: CGFloat(height))
    context.scaleBy(x: 1, y: -1)
    self.draw(in: CGRect(x: 0, y: 0, width: width, height: height))
    UIGraphicsPopContext()

    CVPixelBufferUnlockBaseAddress(pixelBuffer, CVPixelBufferLockFlags(rawValue: 0))
    return pixelBuffer

我认为我的结果很差，因为 CoreML 模型不喜欢转换后的 CVPixelBuffer。

有人有什么建议吗？

【参考方案1】：

你不需要这些东西。让我们看一下文档：

class VNCoreMLRequest : VNImageBasedRequest

首先，VNImageBasedRequest 包含字段regionOfInterest: CGRect get set ，其中矩形是标准化的并且是左下角相对。 所以你不需要裁剪！只需指定 ROI。

其次，VNCoreMLRequest 本身有 var imageCropAndScaleOption: VNImageCropAndScaleOption get set 字段，您可以在其中指定当高/宽比与预期不匹配时如何操作（中心裁剪、缩放以适应/填充）。

【讨论】：

感谢您回答 Maxim，我正在裁剪图像，因为我没有只有一个感兴趣的区域。它可以增加到 50。因此，我将图像裁剪为（最多）50 块并将其提供给 ML 模型，模型会在合理的时间内返回结果。但就像我提到的，结果非常不准确。

所以？您可以向它提供 50 个具有不同 ROI 的图像请求。虽然我不明白你的用例。如果您需要多个对象，则需要一个对象检测器模型（即不是图像分类器）。

好吧，我用 Vision 检测对象，然后将它们从主图像中裁剪出来。然后将它们提供给 MLModel。检测对象不是问题，问题是 MLModel 的行为与游乐场不同。我用相同的数据喂它，唯一的区别是；我将它们转换为 UIImage，然后再次转换为 CVPixelBuffer。

也许颜色已经关闭？相机通常提供 BGRA（也不是 RGBA）。但是话又说回来，可以在 CVPixelBuffer 上进行裁剪而无需转换 - github.com/hollance/CoreMLHelpers/blob/master/CoreMLHelpers/…

我已经尝试了所有的RGBA/BGRA选项，结果都是一样的。但正如你所说，我会尝试裁剪像素缓冲区，并将其提供给 MLModel。我会让你知道结果。