Machine learning 我们是否可以将在RGB图像上训练的模型的权重用于灰度图像？

实际上，我正在尝试使用从图像网络上预先训练的初始模型到灰度数据集的转移学习，所以我只想知道我可以使用相同的权重，还是在使用权重之前应该先进行一些更改

---

提前感谢。

有几个选项可供选择：

使用标准OpenCV函数将灰度图像转换为彩色图像

在前面添加一个深度为3的卷积层作为输出。按正常程序进行

从现有网络的第一层中选择一组权重

平均现有网络第一层的权重

每个选项分别有不同的权衡：

这可能会很好地工作，但您需要付出额外计算的代价，在这种情况下，这可能不是很多

您可能正在学习尝试映射到RGB的过滤器，因此这可能类似于1

这是一个黑客，可能不会像你所期望的那样工作

与3相同

---

有几个选项可供选择：

使用标准OpenCV函数将灰度图像转换为彩色图像

在前面添加一个深度为3的卷积层作为输出。按正常程序进行

从现有网络的第一层中选择一组权重

平均现有网络第一层的权重

每个选项分别有不同的权衡：

这可能会很好地工作，但您需要付出额外计算的代价，在这种情况下，这可能不是很多

您可能正在学习尝试映射到RGB的过滤器，因此这可能类似于1

这是一个黑客，可能不会像你所期望的那样工作

与3相同

---

您可以简单地使红色、绿色和蓝色通道与灰度图像相等，因为RGB中的灰度表示红色、绿色和蓝色值相同。也就是说，将灰度图像复制三次并在三维中堆叠，以人为地创建RGB中的灰度图像。但是，颜色的使用是一个强有力的提示，因此仅灰度图像的预测可能会很弱。能否请您提供代码给我如何做到这一点。您可以简单地使红色、绿色和蓝色通道与灰度图像相等，因为RGB中的灰度表示红色、绿色和蓝色值相同。也就是说，将灰度图像复制三次并在三维中堆叠，以人为地创建RGB中的灰度图像。然而，颜色的使用是一个强有力的提示，因此，你可能只得到灰度图像，而得到的预测很弱。你能给我提供代码吗？我如何才能做到这一点。