我成功地将Keras H5模型转换为Tensorflow pb文件，但是进行预测时却得到了完全不同的结果。
在Python中，我使用2个Keras模块在馈入网络之前对数据进行预处理：
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input
from tensorflow.keras.preprocessing.image import img_to_array
这是我预处理Python代码中数据的方式：
# extract the object ROI, convert it from BGR to RGB channel
# ordering, resize it to 224x224, and preprocess it
moving_object = img_orig[startY:endY, startX:endX]
moving_object = cv2.cvtColor(moving_object, cv2.COLOR_BGR2RGB)
moving_object = cv2.resize(moving_object, (224, 224))
moving_object = img_to_array(moving_object)
moving_object = preprocess_input(moving_object)
objects.append(moving_object)
然后我通过Keras预测方法进行批量预测：
# only make a predictions if at least one object was detected
if len(objects) > 0:
objects = np.array(objects, dtype="float32")
preds = wine_plant_model.predict(objects)
这是我在C ++中预处理数据的方式：
vector<Mat> detected_objects;
//extract the object ROI
Mat image_roi = img_orig(roi);
detected_objects.push_back(image_roi);
以及如何在C ++中进行批量预测：
if (detected_objects.size() > 0) {
vector<Mat> preds;
Mat inputBlobs = cv::dnn::blobFromImages(detected_objects, 1.0, Size(224, 224));
net.setInput(inputBlobs);
Mat outputs = net.forward();
}
似乎我没有在C ++中以正确的方式预处理图像，因此无法获得相同的结果。但是我找不到C ++中Keras preprocess_input（）方法的等效项。
查看Keras文档，python preprocess_input（）方法在1到-1之间缩放数据。因此，我不知道是否应该使用cv :: normalize方法来规范化数据，或者使用blobFromImages缩放因子来进行某些操作。我在这里有点困惑。
能否请您告诉我，即使不是通过Keras（在C ++中似乎不可用），也应该以相同的方式在C ++中对数据进行预处理。