Computer vision 在使用卷积神经网络（CNN）时，如何忽略纯色图像背景？

给定具有已知纯色背景颜色的对象图像，我如何影响CNN忽略/忽略背景特征，从而强调对象

---

仅供参考，我的场景是用于基于内容的图像检索（CBIR）的特征提取（例如神经代码）。我使用的是Caffe。

我能想到的一个选项是为每张图像创建两个输入：第一个是3xHxW彩色图像，另一个是背景为零的1xHxW遮罩（“纯色”像素），还有一个。然后，您可以将遮罩与第一个conv层的输出按元素相乘，从而强制“纯色”像素的所有特征为零

听起来很有趣，谢谢。我可以通过用黑色替换背景色来强制像素为零，因为它是一种零值颜色吗？@E.W.我不确定它是否有效，因为卷积中有恒定的偏置项。你还需要考虑你可能要减去的图像平均值…我使用一个特定的RGB值作为图像平均值。如果我将背景设置为与此值相同的颜色，这会降低其强调程度吗？更多信息：在我的场景中，我使用CNN进行特征提取，用于图像搜索。也就是说，我正在建立一个数据集中图像特征的大型数据库，并给出一个新的查询，将提取其特征，然后进行匹配。问题是数据库中的图像具有背景颜色，这会影响匹配，因为特征假定背景是相关的。因此，为了澄清我的问题：在匹配时，您对如何在这些提取的特征中去强调背景有什么建议吗？您可以使用多任务学习公式，尝试同时估计类别标签和前景分割。这就像给你的训练增加了更多的监督。一个很好的结果是，在进行匹配时，您还将得到前景分割。