求助一下双输入模型的校准数据准备

已解决

默认903362026-08-25

125

我的任务是神经网络+手工特征，神经网络提取图像特征（4维度），然后手工特征是通过气泡提取得到的数量和面积（1*2），遇到的问题就是：好像必须把手工特征转为四维才能进行转换。还要就是转换后精度大幅下降，问题是否是在校准数据上面，不知道这种双输入的怎么搞校准数据集，求指导，感谢！

算法工具链

技术深度解析征程3

0/600

金属货机
Lv.2
有些信息需要您补充一下。
导出模型中两个输入的名称、shape和dtype都是什么？可以提供一下“手工特征必须为 4 维”的完整报错或日志片段吗？手工特征的生成方式是什么？校准时图像样本和1*2的特征如何配对提供？
2026-08-26
0
5
- 默认90336回复金属货机:
  两个输入的名称、shape 和 dtype
  输入
  名称
  shape（导出 ONNX）
  dtype（导出 ONNX）
  图像
  input_img
  [1, 3, 224, 224]
  float32
  手工特征
  input_feat
  [1, 2, 1, 1]
  float32
  2026-08-26
  0
  回复
- 默认90336回复金属货机:
  关于报错就是这个：ERROR list index out of range 多方查询后将手工特征reshape维四维后可以通过模型check
  2026-08-26
  0
  回复
- 默认90336回复金属货机:
  手工特征的生成方式
  原始手工特征有两个：气泡数量、气泡面积占比(%)。
  生成步骤：
  从原始图片数据获取两个值，例如 raw_feat = np.array([气泡数量, 面积占比], dtype=np.float32)，先做了一次气泡检测然后根据检测值提取两个手工特征
  使用训练时保存的统计量进行 Z-score 标准化：
  python
  2026-08-26
  0
  回复
- 默认90336回复金属货机:
  校准时图像样本和 1x2 特征的配对方式
  工具链通过文件名自动配对。
  要求：
  图像校准文件放在 cal_data_dir 的第一个目录，例如 .../calibration/image/
  手工特征校准文件放在第二个目录，例如 .../calibration/handcraft_features/
  两个目录中的文件名完全一致（不含扩展名），例如：
  text
  2026-08-26
  0
  回复
- 金属货机回复默认90336:
  当前模型对于input_feat的真实输入shape本来就是[1,2,1,1]的四维张量，所以你也应该将手工特征改成4维。后面可以检查一下.feature文件的数据是不是漏做了Z-score标准化，标准化时的feat_mean和feat_std使用的是和训练一致的值，检查校准集是不是覆盖了实际业务中常见值和边界值。
  2026-08-26
  0
  回复

输入	名称	shape（导出 ONNX）	dtype（导出 ONNX）
图像	input_img	[1, 3, 224, 224]	float32
手工特征	input_feat	[1, 2, 1, 1]	float32

求助一下双输入模型的校准数据准备

两个输入的名称、shape 和 dtype

手工特征的生成方式

校准时图像样本和 1x2 特征的配对方式