DNN - это хорошая идея использовать изображения в градациях серого вместо RGB для обучения

Question

Я пытаюсь обучить DNN с целью обнаружения объекта (обнаружение и распознавание транспортного средства). Поскольку цвета не имеют значения для распознавания, рекомендуется ли использовать для обучения изображения в оттенках серого?

Это может иметь следующие преимущества:

1. уменьшение входного измерения приводит к ускорению обучения и тестирования.
2. удаление избыточной информации приводит к более общим моделям.

Answer 1

Это хорошая идея, учитывая, что ваша модель в противном случае, возможно, узнает корреляции, которые наносят ущерб поставленной задаче (например, возможно, ваш набор тестов содержит только красный феррари, вы можете не распознать другой цвет).

Answer 2

В целом, я думаю, что вы можете быть правы, но, вероятно, наличие цвета может помочь сети добиться лучших результатов в решении данной задачи.Я думаю, что оттенки серого могут работать и быть менее сложными для обучения, но сеть, обученная на изображениях RGB, может достичь лучших результатов, это компромисс и зависит от того, что вы ищете.Когда вы имеете дело с глубоким обучением, лучшее, что вы можете сделать, это просто попытаться сделать свои предположения.