哪些图像特征最适合训练对象检测模型？

Question

我是 ML 的新手，但我正在尝试创建一个模型来检测我的自定义照片中的一些对象。在训练我的模型之前，我想知道如果以及如何我应该修改我的图像以改进它准确性。

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：

1. 有一张白纸（背景很白），上面是一群昆虫。
2. 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）。
3. 摄像头非常缩小，因此每只昆虫的像素大概约为 40x40 像素（因此它的清晰度并不高）。

我对机器学习知之甚少，但我认为由于昆虫会以低质量被捕获，因此模型最终将主要依靠一般形状和颜色来区分/识别昆虫（例如照片上的长或圆形斑点等）。

因此，我想知道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，如果我增加照片中的对比度，昆虫的边界是否会更加清晰，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？还有其他需要考虑的因素吗？任何帮助将不胜感激！

编辑：我不知道为什么有人投票结束此作为基于意见的，但是，我不是在征求意见。我试图通过了解“好”照片与“坏”照片的构成来更多地了解图像检测过程。尽管这听起来像是基于意见的，但事实并非如此。例如，我确信拥有极低光照的照片对于训练模型来说会很糟糕。这不是一个观点，而是一个基于证据的事实。

同样，我想了解什么样的一般特征可以制作“更好”的照片，例如我是否应该使用高对比度、亮度等。我认为这是一个不基于意见的可回答问题。

Answer 1

您采用标准的预处理策略，例如

1. RGB 值的标准化
2. 水平/垂直翻转
3. 仿射变换

附：更多的是评论而不是答案（我不能放 cmets）