Deep learning DNN-使用灰度图像代替RGB进行训练是一个好主意吗_Deep Learning_Object Detection_Object Recognition

Deep learning DNN-使用灰度图像代替RGB进行训练是一个好主意吗

deep-learning

Deep learning DNN-使用灰度图像代替RGB进行训练是一个好主意吗,deep-learning,object-detection,object-recognition,Deep Learning,Object Detection,Object Recognition,我正在尝试训练一个DNN用于目标检测（车辆检测和识别）。因为颜色对于识别来说并不重要，所以使用灰度图像进行训练是一个好主意吗这可能有以下好处：减少输入尺寸可加快训练和测试速度删除冗余信息会产生更通用的模型总的来说，我认为你可能是对的，但也许有颜色可以帮助网络在这项任务中取得更好的结果。我认为灰度可以工作，并且训练的计算量更少，但是在RGB图像上训练的网络可以获得更好的结果，这是一种折衷，取决于你在寻找什么。在处理深度学习时，你能做的最好的事情就是在做出假设之后再尝试总的来说，我认为

我正在尝试训练一个DNN用于目标检测（车辆检测和识别）。因为颜色对于识别来说并不重要，所以使用灰度图像进行训练是一个好主意吗

这可能有以下好处：

减少输入尺寸可加快训练和测试速度

删除冗余信息会产生更通用的模型

总的来说，我认为你可能是对的，但也许有颜色可以帮助网络在这项任务中取得更好的结果。我认为灰度可以工作，并且训练的计算量更少，但是在RGB图像上训练的网络可以获得更好的结果，这是一种折衷，取决于你在寻找什么。

在处理深度学习时，你能做的最好的事情就是在做出假设之后再尝试

总的来说，我认为你可能是对的，但拥有颜色可能有助于人际网络在这项任务中取得更好的结果。我认为灰度可以工作，并且训练的计算量更少，但是在RGB图像上训练的网络可以获得更好的结果，这是一种折衷，取决于你在寻找什么。

在处理深度学习时，你能做的最好的事情就是在做出假设之后再尝试

这是个好主意，考虑到你的模型可能会学习到对手头任务有害的相关性（例如，你的测试集可能只包含红色法拉利，你可能无法识别另一种颜色）。

这是个好主意，考虑到您的模型可能会学习到对手头任务有害的相关性（例如，您的测试集可能只包含红色法拉利，您可能无法识别另一种颜色）