为什么DIGITS和OpenCV 3.1的结果不同？

Question

我使用DIGIT进行分类（我使用自适应梯度，随机梯度下降和Nesterov加速梯度测试GoogLeNet）。图像是彩色和256 * 256。训练结束后，我使用＆＃34;测试单个图像＆＃34;选项并测试一个图像。结果显示完美匹配并正确分类图像。然后我使用下载的模型在OpenCV 3.1（windows 64bit，visual studio 2013，Nvidia GPU）中应用基于＆＃34; http://docs.opencv.org/trunk/d5/de7/tutorial_dnn_googlenet.html＆＃34;。但是，我总是得到不同的阶级和错误的答案 编辑：
我尝试cvtColor(img, img, COLOR_BGR2RGB)并且问题没有解决。我的结果还是错了。 我尝试了data transformations，none和image之类的pixel。也是不同的solver type。

Answer 1

如果OpenCV 3 vs 2导致此问题，我会感到惊讶。相反，我预计差异是由于数据预处理的差异造成的。

以下是如何对在DIGITS中训练过的Caffe模型进行数据预处理的示例： https://github.com/NVIDIA/DIGITS/blob/v4.0.0/examples/classification/example.py#L40-L85

另外请务必阅读这些＆＃34;陷阱＆＃34;：https://github.com/NVIDIA/DIGITS/blob/v4.0.0/examples/classification/README.md#limitations

Answer 2

OpenCV默认使用颜色通道现在非常罕见的BGR（蓝色，绿色，红色）排序。正常是RGB。

Why OpenCV Using BGR Colour Space Instead of RGB

这可以解释模型的糟糕表现。