HSV图像可以用于CNN训练吗答案

【问题标题】：Can HSV images be used for CNN trainingHSV图像可以用于CNN训练吗
【发布时间】：2021-06-16 06:36:26
【问题描述】：

我目前正在研究fingers-count 深度学习问题。查看数据集时，训练和验证集中的图像非常基础，几乎相同。该网络可以实现很高的训练和验证精度。但是在现实生活中的图像中进行预测时，它的表现非常糟糕（这是因为该模型已经在非常基本的图像上进行了训练）。

为了克服这个问题，我将训练和验证图像转换为 HSV（Hue-Saturation-Value），并在新的 HSV 图像上训练模型。来自新训练集的 1 个此类图像的示例是：

然后我将我的图像从现实生活中转换为 HSV，并将其传递给模型进行预测。但是，该模型仍然无法正确预测。我假设由于应用 HSV 后训练图像和预测图像几乎相同，因此模型应该预测良好。有什么我在这里想错了吗？ HSV图像真的可以用来训练CNN吗？

【问题讨论】：

标签： keras deep-learning conv-neural-network kaggle

【解决方案1】：

看来你有过拟合的问题，你的模型只记住了训练集的简单样本，相反它不能泛化到更复杂和多样化的数据。

在深度学习的背景下，有多种方法可以避免过度拟合，我认为您不一定需要将输入转换为 HSV。首先，您可以应用各种数据增强方法，例如随机裁剪或旋转来创建各种版本的数据。如果此方法不起作用，您可以使用较小的模型或应用 Drop Out 或 Regularization 等技术。这是来自TensorFlow 的一个很好的教程。

【讨论】：