Прогнозы модели CoreML отличаются от обучения

Question

Я довольно новичок в Core ML, но до сих пор получал массу удовольствия от игры с ним. В настоящее время я учусь, как обучать модели распознаванию лиц, создавая модель на игровой площадке и проверяя ее результаты. Я сохраняю .mlmodel и внедряю его в свое приложение.

Моя проблема в том, что когда я тестирую его на игровой площадке, кажется, что он имеет очень высокую степень точности, но когда я внедряю одну и ту же модель, используя одни и те же картинки в среде моего приложения, я получаю совершенно разные результаты, и это практически невозможно.

Вот часть кода, который я получаю с консоли отладки.

[<VNClassificationObservation: 0x282deff00> BFB8D19B-40AE-45F9-B979-19C11A919DBE, revision 1, 0.778162 "Others", <VNClassificationObservation: 0x282dede60> 9E9B2AC8-3969-4086-B3B0-6ED6BEDFFE71, revision 1, 0.221838 "Me"]

Здесь он ошибочно классифицирует мое изображение как чье-то другое, даже если оно правильно классифицировало это изображение на игровой площадке во время тестирования. Кажется, само приложение работает нормально, просто внезапно отключается модель.

Что мне здесь не хватает?

Спасибо

Answer 1

Обычно это происходит, когда вы загружаете свои изображения по-другому на игровой площадке по сравнению с вашим приложением. Я хотел бы убедиться, что используемые вами изображения в обоих случаях одинаковы. Не только содержание изображения, но и то, как они загружаются, прежде чем передать их модели.