我正在构建用于人脸识别的卷积神经网络 (CNN) 模型。
作为训练数据收集的初始步骤，哪种图像格式更适合用于训练，灰色还是 RGB？
我看过几篇文章说灰度图像最适合人脸识别，但没有得到令人满意的信息，为什么会这样？
对于这种方法，使用灰色而不是 RGB 的优点和缺点是什么？
对于人脸识别模型，是否必须有颜色信息，否则我会在灰度转换后丢失图像中的有用信息？
预测准确性如何因人而异？
【问题讨论】：
标签： machine-learning conv-neural-network rgb face-recognition
除了将人脸识别视为一个特定问题之外，我们还可以考虑图像分析的一般领域，尤其是使用 CNN 时。
我们通常喜欢简化机器学习中的问题，以减少噪音和需要处理的数据量。
简单性 - 许多图像处理操作都在图像平面上工作 数据（例如，单个颜色通道）。所以如果你有一个 RGBA 图像，您可能需要对四个图像中的每一个应用该操作 平面，然后组合结果。灰度图像仅包含 一个图像平面（包含灰度强度值）。
数据缩减 - 假设您有一个 RGBA 图像（红-绿-蓝-alpha）。如果 您将此图像转换为灰度您只需要处理 与彩色图像相比，数据的 1/4。对于许多图像处理 应用程序，尤其是视频处理（例如，实时对象 跟踪），这种数据缩减允许算法在 合理的时间。
Is conversion to gray scale a necessary step in Image preprocessing?
【讨论】：