image-processing - Tensorflow 对象检测 API - 重新训练以使用来自不同色彩空间的图像?

标签 image-processing machine-learning tensorflow object-detection

我已经能够重新训练对象检测模型以与我的自定义类一起使用。但我现在想做的是在推理过程中修改输入到不同的颜色空间(最好是 YUV)。

我需要修改网络吗?可以使用相同的 API 来完成吗?我仍然可以使用迁移学习还是必须从头开始训练?

最佳答案

转换为 RGB 可能是最简单的,但绝对可以使用迁移学习进行训练。您仍然需要将 YUV 值保存为 JPEG 的 RGB channel ,并且尚不清楚这样做是否比简单地转换为 RGB 具有任何显着优势。

一个可能的小速度优势是,如果您想以降低的空间分辨率表示色度(U,V) channel (正如通常所做的那样),但这可能需要设计一个可以利用这一点的自定义架构.

关于image-processing - Tensorflow 对象检测 API - 重新训练以使用来自不同色彩空间的图像?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46361750/

相关文章:

python - 车牌字符分割python opencv

python - 用cv2.HoughCircles检测外圆有困难

image - 是否有任何工具可以对图像执行相当于 "git diff"的操作(看看发生了什么变化?)

python - 为什么简单的与门神经网络在没有 BIAS 的情况下无法工作?

java - 使用android进行车牌识别

python - 如何将 tensorflow 图中的中间结果作为 [inp] 输入到 tf.py_func 中?

machine-learning - Spark MLlib 中 setLabelCol 和 setPredictionCol 方法之间的区别

2D 数组的 TensorFlow 卷积

python - 从 keras dropout 层中提取 dropout mask?

machine-learning - 数据集极不平衡的 Tensorflow 分类