我正在构建一个人脸检测器，但我在调整捕获帧的大小以匹配模型的大小方面遇到了挑战，因此出现以下错误

Question

这是产生错误的代码

这是我模型的基础结构。我正在导入 MobileNetV2，但我遗漏了顶层。

baseModel = MobileNetV2(weights="imagenet", include_top=False, input_tensor=Input(shape=(224, 224, 3)))

然后我现在正在用opencv创建一个人脸检测器。人脸检测器抓拍人脸，模型预测人脸是否戴口罩。

下面这一行产生了错误，因为我没有将捕获的图像帧的大小调整为模型输入的适当大小。

for (x,y,w,h) in faces:
    
        face_img = grayscale_img[y:y+w,x:x+w]
        resized_img = cv2.resize(face_img,(56,56))
        normalized_img = resized_img/255.0
        reshaped_img = np.reshape(normalized_img,(224, 224, 3))
        result=model.predict(reshaped_img)

生成的错误如下

ValueError: 无法将大小为 3136 的数组重塑为形状 (224,224,3)

重塑此 img 的正确方法是什么？谢谢

Answer 1

尽管没有足够的像素来构成 224x224x3 图像，但该错误看起来数组可能只是一维的。

如果面部图像是灰度的，那么您将无法将其整形为 3 个通道，您必须将其复制到其他 3 个通道：

grayscale_img = grayscale_img[y:y+w,x:x+w]
face_img = np.stack([grayscale_img,grayscale_img,grayscale_img], axis= -1)## three channels

或者将模型的顶部转换为单个通道，可能（我不确定）在创建模型时使用以下方法：

input_tensor=Input(shape=(224, 224, 1)

然后您可以使用 opencv 或 np:

调整图像的宽度和高度

resized_img = cv2.resize(face_img, (224,224)) ## opencv

MobileNetv2 需要在 (-1,1) 之间归一化因此：

normalized_img = resized_img/128 -1

您可能想查看：

https://github.com/tensorflow/models/blob/master/research/slim/nets/mobilenet/mobilenet_example.ipynb

如果您的灰度图像非常小，您可能想尝试调整模型以接受较小的图像而不是放大它们

我正在构建一个人脸检测器，但我在调整捕获帧的大小以匹配模型的大小方面遇到了挑战，因此出现以下错误

Im building a face detector but Im having a challenge resizing the captured frame to match that of the model hence the error below

python

opencv

deep-learning

mobilenet