Machine learning ZCA美白对训练有何影响？

我试图在tensorflow中实现形状检测器。为此，我有两个类，一个是仅垂直矩形，另一个是仅右箭头，如下图所示。 每节课有190个样本进行培训

我对模型进行了两次训练，一次不使用ZCA增白的训练数据，另一次使用ZCA增白的训练数据，使用相同的网络架构和相同的迭代次数

当使用第一个模型测试下箭头的以下图像时，它被预测为具有99.99%准确度的矩形，但当使用第二个模型测试同一图像（使用ZCA白色样本训练）时，它被预测为具有100%准确度的箭头

我想知道ZCA白化是如何大幅改变准确率的，即使没有数据增强（如旋转）用于训练

---

非常感谢您提供的任何帮助。

您的意思是问ZCA是否正在进行数据扩充（即：轮换？）是的，我的意思是将数据扩充作为轮换。因为在没有ZCA白化的第一个模型中，向下箭头被检测为预期的垂直矩形。但在第二个模型中，它被预测为带有ZCA白化的箭头，这可能是由训练数据的旋转引起的。你的意思是问ZCA是否正在进行数据扩充（即：旋转？）是的，我的意思是数据扩充作为旋转。因为在没有ZCA白化的第一个模型中，向下箭头被检测为预期的垂直矩形。但在第二个模型中，ZCA白化预测为箭头，这可能是由于训练数据的旋转造成的。