什么颜色空间会产生最多的特征来训练更准确的 CNN？

Question

大多数时候我看到人们使用 RGB 通道作为训练集。虽然它对于面部检测很有用，但我还没有发现它像我想象的那么有效！那么，我是否应该尝试将图像转换为不同的（可能是不同颜色过渡的组合）颜色空间来训练对象标识符？

我无法通过实验找出答案，因为与之相关的成本更高（AWS）。

PS我使用的是dlib的dnn_mmod_ex.cpp！

Answer 1

经过长时间寻找答案并在对象识别任务中对颜色空间进行大量实验后，我发现 RGB 是颜色空间的最佳选择。我尝试了许多颜色空间，例如 YCrCb、L a b 等。虽然当我们仅限于计算机视觉问题（例如 L a b 是曝光不变的（在某种程度上））时，它们确实很棒，但是当我们将图像转换为其他色彩空间。我使用 HOG 作为特征描述符，但它与更改的颜色空间配合得不好。梯度失灵并且没有一致性。然而，在计算机视觉中，我正在处理土豆中的缺陷分割，其他颜色空间（例如 YCrCb）被证明是通过聚类算法进行缺陷分割的一个很好的特征描述符。如果您发现我的观察有误，请纠正我。