当前，我们正在使用 Firebase ML Kit来检测相机发送的帧中的人脸的项目。 我们想测试预训练模型在我们自己的测试数据上的工作情况，然后尝试编写一个测试，以在所有测试图像上运行该模型，然后我们可以计算出某种准确性。
现在，我们正在运行一个Android应用程序，并尝试使用 Robolectric 进行测试，并使用 Android sdk 28 进行测试。我们一张一张地读取图像，并将它们转换为字节数组，从它们创建FirebaseVisionImages，然后调用time_zone = query_from_db
tz = datetime.strptime(time_zone, "%z")
datetime_now = datetime.now(tz.tzinfo)
。
问题是detectInFace(image)使用回调函数返回结果。我们检查了是否曾经调用过回调函数，但看起来好像不是。我们试图通过使用detectInFace(image)等待任务完成，但是事实证明任务似乎从未完成。
有人知道为什么从未调用过回调函数/似乎从未调用过回调函数吗？是否还有其他方法可以使用测试套件获得自定义图像的准确性？
我们拥有的代码：
await(task)编辑：感谢您的回答和建议，最后我通过使用 FirebaseApp.initializeApp(InstrumentationRegistry.getInstrumentation().targetContext)
val faceDetectorOptions: FirebaseVisionFaceDetectorOptions = FirebaseVisionFaceDetectorOptions.Builder()
.setPerformanceMode(FirebaseVisionFaceDetectorOptions.FAST)
.setContourMode(FirebaseVisionFaceDetectorOptions.NO_CONTOURS)
.enableTracking()
.build()
// facedetector object with specified settings
val faceDetector =
FirebaseVision.getInstance()
.getVisionFaceDetector(faceDetectorOptions)
val metadata = FirebaseVisionImageMetadata.Builder()
.setWidth(720) // 480x360 is typically sufficient for
.setHeight(720) // image recognition
.setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
.setRotation(FirebaseVisionImageMetadata.ROTATION_0)
.build()
// Convert image to byteArray
val inputStream =
InstrumentationRegistry.getInstrumentation().targetContext.getAssets()?.open("testImage1.jpg")
val bufferedStream = BufferedInputStream(inputStream);
val bmp = BitmapFactory.decodeStream(bufferedStream)
val outstream = ByteArrayOutputStream()
bmp.compress(Bitmap.CompressFormat.PNG, 100, outstream)
val bytearr = outstream.toByteArray()
// detect the face in the image
val task = faceDetector.detectInImage(FirebaseVisionImage.fromByteArray(bytearr, metadata))
.addOnSuccessListener { faces ->
// This seems to never be called
}
.addOnFailureListener {
// this also is never called
}
}
}
而不是FirebaseVisionImage.fromBitmap()解决了该问题。不知道为什么，但是每当我尝试从ByteArray运行模型时，它都会“卡住”，但是从位图运行时，它运行良好！
答案 0 :(得分：0)
问题在于所有ml推断都在工作线程中发生，并且Robolectric为UI操作和测试代码共享一个线程。
您可以调用“ shadowOf（getMainLooper（））。idle（）;”执行在测试用例中发布到工作线程的任务。