Tensorflow 去除背景会给我更好的图像分类精度吗?
我正在用计算机视觉建立一个车辆损坏检测模型。现在,我将问题归结为图像分类,分类为玻璃破碎、凹痕、前照灯损坏、尾灯损坏。我有每个班级的样品Tensorflow 去除背景会给我更好的图像分类精度吗?,tensorflow,image-processing,computer-vision,artificial-intelligence,conv-neural-network,Tensorflow,Image Processing,Computer Vision,Artificial Intelligence,Conv Neural Network,我正在用计算机视觉建立一个车辆损坏检测模型。现在,我将问题归结为图像分类,分类为玻璃破碎、凹痕、前照灯损坏、尾灯损坏。我有每个班级的样品 我想知道,去除样本的背景并将其输入到图像分类模型中是否能提高准确性?简单回答:不会 原因:分类器只会在查询图像的特定部分激活(聚焦、参与),而忽略其他不相关的部分。这就是所谓的热图。热图稍后将用于分类或检测、分割等。 你可以在谷歌上搜索“convnet可视化”,然后自己尝试。这将是一次很棒的学习经历 简单回答:不会的 原因:分类器只会在查询图像的特定部分
我想知道,去除样本的背景并将其输入到图像分类模型中是否能提高准确性?简单回答:不会 原因:分类器只会在查询图像的特定部分激活(聚焦、参与),而忽略其他不相关的部分。这就是所谓的热图。热图稍后将用于分类或检测、分割等。
你可以在谷歌上搜索“convnet可视化”,然后自己尝试。这将是一次很棒的学习经历 简单回答:不会的 原因:分类器只会在查询图像的特定部分激活(聚焦、参与),而忽略其他不相关的部分。这就是所谓的热图。热图稍后将用于分类或检测、分割等。 你可以在谷歌上搜索“convnet可视化”,然后自己尝试。这将是一次很棒的学习经历