是否可以将灰度图像用于现有模型？答案

【问题标题】：Is it possible to use grayscale images to existing model?是否可以将灰度图像用于现有模型？
【发布时间】：2018-02-06 22:29:29
【问题描述】：

我正在使用新类别重新训练现有模型：衣服的类型（牛仔裤、裤子、衬衫等）。由于我们不需要颜色来确定用户穿着的衣服类型，我想用灰度图像重新训练它。是否可以使用灰度图像来训练现有模型（使用彩色图像进行训练）？

我很担心，因为他们用彩色图像训练他们的模型。

模型是否仅将灰度图像视为彩色图像？它仍然有效吗？ :)

p.s 我正在生成 XML 和 csv 文件来放置用于训练和测试的数据。

【问题讨论】：

【解决方案1】：

是的，您可以，但是您需要在您的 1 通道灰度输入图像中添加另外 2 个通道，只需将您的灰度图像克隆 3 次，然后将它们合并为 3 通道图像。无论如何，您需要 3 通道输入图像才能使用经过彩色图像训练的模型。

【讨论】：

在我的例子中，我正在生成 XML 和 csv 文件来放置用于训练和测试的数据。所以在我的理解中，我不能再添加两个频道了..我正在关注这个视频......！ youtube.com/watch?v=kq2Gjv_pPe8
您的回答是正确的，但我认为我的问题并不具体。我可以再问你一次这个问题吗？ :)
模型是否只将灰度图像视为彩色图像？它仍然有效吗？ :)
我认为在您想要用作基础的模型的训练集中不仅呈现全彩色图像，而且还呈现灰色，因此使用您的彩色图像对现有网络进行微调可能会更快灰色图像。但是网络输入适用于 3 个通道，无论如何您都需要相应地转换数据集。是的，我认为它应该有效。但如果您只想使用 1 个通道图像，则需要更改输入层，并从头开始重新训练整个网络。
说得通！谢谢！

【解决方案2】：

您可以通过tf.tile将灰度图像的1个通道克隆到其他2个通道，这是一些代码示例：

images = tf.tile(images, [1, 3])
summary_images = tf.transpose(tf.reshape(images, [-1, 3, 28, 28]), (0, 2, 3, 1))

images 是张量，尺寸 N * 784 N 是批量大小，图像原点大小为 28 * 28

【讨论】：