Tensorflow 1通道/灰色图像，用于使用深度学习/cnn进行目标检测

我从事物体检测已经有一段时间了，我看到的所有模型都只使用RGB作为输入（如果我们没有3个通道，我们将数据从一种颜色/维度复制到另一种颜色/维度）。 我们是否有任何深度学习模型，其中我们只能输入1个通道作为模型的输入，如OpenCV中的人脸/眼睛检测器（LBPHFaceRecognitor）。

---

基本上是寻找简单且计算要求较低的深层神经网络，当我们只有一个来自诸如热图像、红外摄像机、TOF摄像机、雷达等源的通道时。

如果我们使用AutoML/NN架构搜索进行目标检测，那么神经网络将能够有效地处理各种输入（包括灰色图像），Mobile net v3或Nasnet是神经架构搜索的好例子。

如果我定义一个灰度网络，它与3通道网络的区别仅在于输入通道的数量，那么只有第一个卷积层的复杂度较低。其余层的参数、输出和计算数量相同复杂性。从计算要求较低的角度来看，我认为您可能会感兴趣的搜索术语是“移动目标检测网络”。例如，MobileNet v2看起来很有希望，尽管我没有直接的经验。我不知道只有第一层卷积可以减少，我希望模型中的卷积可以得到更大的减少，因为我们只有1个通道作为输入。我一直在使用带有TensorFlow对象检测API的mobile net v2，现在计划使用Efficientnet在边缘TPU上。不确定在这个问题上有什么错误才能获得-1票！！