图像预处理需要注意的几点问题

1.1 问题

    博主训练了一个简单的二分类。为了提升模型的准确率，为所有的数据使用opencv（python）做了二值化处理：先灰度化再二值化。训练好模型以后发现在数据集的训练集和测试集上效果都很好，但是当我把模型融入项目的时候发现真实准确率极低。

1.2 解决方案：

    对项目中喂入模型之前的数据进行保存检验数据的正确性，发现数据在肉眼看起来并无错误。直接将保存好的数据送入模型进行预测发现错误率极高。仔细检查代码发现可疑处，在整体项目中数据喂入分类模型进行预测前是进行了通道融合操作（因为模型的input_shape是一个三通道），而在生成分类模型数据集的时候是直接保存单通道图为png格式，双方格式不统一。重新生成一批三通道训练数据后，训练模型问题解决。

2.1 问题

    博主在训练一个unet模型时发现一个问题。unet模型的label是一般是np.uint8类型的矩阵，其中元素是具体的图像分割像素所对应的类别，也就是说如果我们训练一个人脸、五官分割模型时这个矩阵应该是包含0,1,2,3,4,5,6七种元素（若分割图包含人脸和五官）。博主使用labelme自己标注了一部分数据进行训练，发现数据在严重过拟合的情况下训练集上有分割错误出现，怀疑是训练数据有问题。

2.2 解决方案

    博主在生成unet标签时对np.uint8类型的标签矩阵进行了resize操作，导致矩阵的元素被更改。先resize再进行生成标签的操作，完美解决。