CNN - 我们是否需要手动预处理训练图像？答案

【问题标题】：CNN - Do we need to manually preprocess training images?CNN - 我们是否需要手动预处理训练图像？
【发布时间】：2021-11-26 06:06:17
【问题描述】：

我是个菜鸟，我只想问，在将图像输入 CNN 进行训练之前，我们是否需要对图像进行预处理（如手动）？我读过 CNN 已经有一些过滤技术来提取特征等。我在想，如果所有的火车图像都是二进制图像，甚至只是边缘（教模型的形状），是可取的还是我只提供灰度图像？另外，如果答案是肯定的，请问您通常会做什么样的准备或使用什么？

我知道 Keras 的其他预处理技术，例如 VGG16，但我想要一些简单和手动的东西。

【问题讨论】：

标签： tensorflow image-processing conv-neural-network tf.keras training-data

【解决方案1】：

Keras 的预处理功能仅根据最先进的模型要求对输入进行预处理，例如更改数据格式等。可能是，您所说的是 手工设计的功能，这并不简单。我认为，这是不可取的，因为 CNN 做得更好。但这也可能取决于您实际想要做什么。

【讨论】：

没错。因此 keras 提供了这些预处理功能，这些功能仅将图像转换为易于阅读的格式。我对图像预处理（你提到的手工设计的特征提取）在哪里发挥作用感到困惑。我想，由于我已经使用转换格式的训练图像训练了我的模型，所以在尝试预测其类别时，我也会对测试图像执行完全相同的操作。
而且，如果我错了，请纠正我，在预测其类别时，我不应该将二值图像输入模型。我只能将它们用于掩蔽以消除不必要的噪音/背景？
可以看看这个例子：nature.com/articles/s41598-020-77264-y他们已经比较了手工设计的特征和CNN。