Image processing Tensorflow对象检测API-重新训练以使用来自不同颜色空间的图像？

我已经能够重新训练对象检测模型，以便与我的自定义类一起工作。但我现在想做的是在推断过程中修改输入到不同的颜色空间（最好是YUV）

---

我需要修改网络吗？可以使用相同的API来完成吗？我仍然能够使用转移学习还是必须从头开始训练？

转换为RGB可能是最简单的，但使用转移学习训练绝对是可能的。您仍然需要将YUV值保存为JPEG的RGB通道，并且不清楚这样做而不是简单地转换为RGB是否有任何显著的优势

---

一个可能的小速度优势是，如果您希望以较低的空间分辨率表示色度（U，V）通道（通常是这样），但这可能需要设计一个可以利用这一点的自定义体系结构。

可能最容易转换为RGB，但使用迁移学习进行训练是完全可能的。您仍然需要将YUV值保存为JPEG的RGB通道，并且不清楚这样做而不是简单地转换为RGB是否有任何显著的优势

---

一个可能的小速度优势是，如果您希望以较低的空间分辨率表示色度（U，V）通道（通常是这样），但这可能需要设计一个可以利用这一点的自定义体系结构；不需要改变网络架构

您可以使用相同的API进行训练

但我认为你在迁移学习方面会遇到问题

您用于进行转移学习的经过培训的网络是在RGB通道上进行培训的。这意味着，可能在第一层中，您的过滤器正在查找RGB值之间的特定差异。例如，在B通道和R通道之间存在差异时查找边。对于V通道和Y通道之间的差异，此过滤器将找不到相同的内容

因为从第一层开始，你将得到不同的结果，这将传播到整个网络

---

一般来说，如果向网络插入的数据与预期的数据不同，则不要指望得到相同的结果

你不知道；不需要改变网络架构

您可以使用相同的API进行训练

但我认为你在迁移学习方面会遇到问题

您用于进行转移学习的经过培训的网络是在RGB通道上进行培训的。这意味着，可能在第一层中，您的过滤器正在查找RGB值之间的特定差异。例如，在B通道和R通道之间存在差异时查找边。对于V通道和Y通道之间的差异，此过滤器将找不到相同的内容

因为从第一层开始，你将得到不同的结果，这将传播到整个网络

---

一般来说，如果向网络插入的数据与预期的数据不同，则不要指望得到相同的结果

我正在尝试在Android环境中使用该模型，其中获取的图像的默认颜色空间是YUV。考虑到时间和性能，我想消除预处理步骤。我试图在Android环境中使用该模型，其中获得的图像的默认颜色空间是YUV。我想在考虑时间和性能的情况下取消预处理步骤。您是否觉得这是不可能的，或者这是实验性的，因此无法预测结果？我认为您不会得到预期的结果。但我认为你无论如何都可以尝试。你觉得这是不可能的，还是实验性的，因此无法预测结果？我认为你不会得到预期的结果。但我想你还是可以试试。