Azure Custom Vision：ONNX 给出了与 portal/API 不同的结果
Azure Custom Vision: ONNX gives different results from that of the portal/API
我正在使用 azure 自定义视觉 (customvision.ai)，我上传了大约 100 张图像并训练了模型来检测面罩。
当我尝试在 customvision 门户中进行测试时，它给出了正确的结果，但是当我尝试在导出为 onnx 模型并使用 ML.Net 框架的可视化代码中获取 confidence/probability 时，它是没有给出正确的结果。对于在 customvision.ai 中工作的同一图像在 vs 代码中不起作用。
此外，当我在邮递员中使用预测 url 和预测键时，它给出了多重概率，我是否需要传递额外的参数以获得准确的结果。
关于ONNX模型和精度：
您的图片应该是：
- 调整为 224 x 224
- BGR 格式（必要时转换）
此信息在自定义视觉服务Cognitive Services ONNX Custom Vision Sample repo referenced in the documentation
中说明
这就是您得到不同结果的原因，portal/API 确保在后台完成正确的事情！
您可以使用自己的应用程序逻辑应用调整大小和裁剪，以确保在使用 ONNX 模型时也能完成正确的事情。
如果您使用的是 ONNX 模型并且不确定要使用哪些变量类型，则可以使用 automatic code generation with mlgen，此实用程序将生成正确的类型。
我确实建议使用以下任何示例以避免在开始时出现任何混淆，或者使用您认为有用的任何其他示例：
关于Postman和多重概率：
您收到您所拥有的标签的概率，您可以使用您自己的应用程序逻辑缩小它们的范围，以仅显示具有最高准确度的标签。
我正在使用 azure 自定义视觉 (customvision.ai)，我上传了大约 100 张图像并训练了模型来检测面罩。
当我尝试在 customvision 门户中进行测试时，它给出了正确的结果，但是当我尝试在导出为 onnx 模型并使用 ML.Net 框架的可视化代码中获取 confidence/probability 时，它是没有给出正确的结果。对于在 customvision.ai 中工作的同一图像在 vs 代码中不起作用。
此外，当我在邮递员中使用预测 url 和预测键时，它给出了多重概率，我是否需要传递额外的参数以获得准确的结果。
关于ONNX模型和精度：
您的图片应该是：
- 调整为 224 x 224
- BGR 格式（必要时转换）
此信息在自定义视觉服务Cognitive Services ONNX Custom Vision Sample repo referenced in the documentation
中说明这就是您得到不同结果的原因，portal/API 确保在后台完成正确的事情！
您可以使用自己的应用程序逻辑应用调整大小和裁剪，以确保在使用 ONNX 模型时也能完成正确的事情。
如果您使用的是 ONNX 模型并且不确定要使用哪些变量类型，则可以使用 automatic code generation with mlgen，此实用程序将生成正确的类型。
我确实建议使用以下任何示例以避免在开始时出现任何混淆，或者使用您认为有用的任何其他示例：
关于Postman和多重概率：
您收到您所拥有的标签的概率，您可以使用您自己的应用程序逻辑缩小它们的范围，以仅显示具有最高准确度的标签。