Deep learning 测试图像的变化是否会影响CNN模型的准确性？_Deep Learning_Cnn_Variance_Light_Generative Adversarial Network

Deep learning 测试图像的变化是否会影响CNN模型的准确性？

deep-learning

Deep learning 测试图像的变化是否会影响CNN模型的准确性？,deep-learning,cnn,variance,light,generative-adversarial-network,Deep Learning,Cnn,Variance,Light,Generative Adversarial Network,我正在做一个基于CNN的项目，在预测部分，光的条件可能会改变。比如说，光照条件可能随时间（白天/晚上）而变化。在这种情况下，我如何确保某些预先训练的模型（如ResNet-50）即使在夜间也能保持准确性？将夜间数据集与白天数据集一起用于培训是唯一的选择吗？或者还有其他方法，即使白天的数据集也是巨大的，因此收集夜间数据集并不容易除此之外，我还需要使我的最终产品具有响应性，因此使用一些预处理方法（如GAN）可能会在时间方面造成成本高昂的问题，从而导致最终应用程序的高响应时间

我正在做一个基于CNN的项目，在预测部分，光的条件可能会改变。比如说，光照条件可能随时间（白天/晚上）而变化。在这种情况下，我如何确保某些预先训练的模型（如ResNet-50）即使在夜间也能保持准确性？将夜间数据集与白天数据集一起用于培训是唯一的选择吗？或者还有其他方法，即使白天的数据集也是巨大的，因此收集夜间数据集并不容易

除此之外，我还需要使我的最终产品具有响应性，因此使用一些预处理方法（如GAN）可能会在时间方面造成成本高昂的问题，从而导致最终应用程序的高响应时间