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
解决方案
推荐阅读
- ios - 为 MobiDevelops 的 robovm 分支安装 GoogleMobileAds 框架
- apache-kafka - kafka +领导者的描述和复制领导者之一不存在
- python - 在 agg 函数中聚合具有一个属性的多列
- mysql - 用 Mysql 查询比较行
- tsql - 字符串搜索输出转换为行
- c++ - c++ 编译器创建的默认构造函数
- spring-boot - 在 criteriaBuilder 加入不想正常工作
- reactjs - 在 React with Enzyme 中测试异步函数
- cassandra - Cassandra 是否针对 OpenJDK 或任何非 Oracle 免费 JRE 进行了全面测试
- c# - 通过视图模型将数据从视图传递到控制器总是返回 null