如何解决哪些图像特征最适合训练目标检测模型?
我是 ML 的新手,但我正在尝试创建一个模型来检测自定义照片中的一些对象。在训练我的模型之前,我想知道如果和如何我应该修改我的图像以改进其准确性。
我目前无法访问这些照片,但是,我可以提供一个我将使用的图像特征的示例:
- 有一张白纸(如此白的背景),上面有一堆昆虫。
- 有几种不同种类的昆虫,它们看起来各不相同(不同的颜色、形状、大小等)。
- 相机的镜头已经缩小了很多,所以每只昆虫的像素可能约为 40x40(所以清晰度不是很高)。
我对机器学习知之甚少,但我认为由于昆虫将以低质量捕获,模型最终将主要依靠一般形状和颜色来区分/识别昆虫(例如照片上的长点或圆形点等)。
因此,我想知道我是否应该对照片做任何事情以达到更高的准确性(在我训练之前)。例如,如果我增加照片的对比度,昆虫的边界是否会更加明确,从而使模型更容易检测/识别它们?或者,我应该将图像转换为灰度还是坚持使用 RGB?是否还有其他因素需要考虑?任何帮助将不胜感激!
编辑:我不确定为什么有人投票决定将其作为基于意见的方式结束,但是,我不是在征求意见。我试图通过了解什么构成“好”照片与“坏”照片来更多地了解图像检测过程。尽管这听起来像是基于意见,但事实并非如此。例如,我确信极低光的照片对于训练模型来说会很糟糕。这不是意见,而是基于证据的事实。
同样,我想了解什么样的一般特征可以使照片“更好”,例如我是否应该使用高对比度、亮度等。我认为这是一个不以意见为基础的可回答问题。
解决方法
您采用标准的预处理策略,例如
- RGB 值的归一化
- 水平/垂直翻转
- 仿射变换
附言与其说是回答,不如说是评论(我不能发表评论)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。