时间戳

首页 > 解决方案 > 在 TensorFlowLite 图像分类示例 iOS 应用中使用通过 Google ML Kit 生成的 TFLite 文件

ios - 在 TensorFlowLite 图像分类示例 iOS 应用中使用通过 Google ML Kit 生成的 TFLite 文件

问题描述

通过 Google Firebase ML 套件 ( https://developers.google.com/ml-kit ) 为图像分类生成的 .tflite 和 .txt 文件 - 当替换为 Tensorflow 图像分类 iOS 示例时 ( https://github.com/ tensorflow/examples/tree/master/lite/examples/image_classification），它以非常低的精度识别图像，并且匹配百分比大多低于 30%。

相同的 .tflite 和 .txt 文件 - 当集成到相同 Tensorflow 图像分类示例的 Android 示例代码中时，它可以以非常高的准确率（如 99%）完美运行。

在这一点上，任何指向值得寻找的解决方案的帮助都会很棒。

我一直在阅读有关量化的信息——Android 示例提供了提供量化和非量化模型的选项（但出于某种原因对我来说非量化崩溃）。不确定是否与此有关。

如果有帮助，这里是通过 Google ML Kit 生成的我的 TFLite 文件的链接：https ://drive.google.com/file/d/1WXdjGGyj2RQbSLTniQ60o0ZYb6nqlaUw/view?usp=sharing

标签： iosswifttensorflowtensorflow-litefirebase-mlkit

解决方案

推荐阅读