图像的位深度会影响卷积神经网络吗？答案

【问题标题】：Does Bit-Depth of an image affects the convolutional neural networks?图像的位深度会影响卷积神经网络吗？
【发布时间】：2020-05-16 20:29:29
【问题描述】：

假设说，我有一个 RGB 图像的训练集，所有图像的位深度均为 8。我将这些图像传递给 CNN，我得到的训练集精度为“X”。

现在，我将这些相同的图像以 16 和 32 的位深度作为位，然后将其通过同一个网络，然后从头开始再次训练网络。 “X”会有什么变化吗？

图像中额外的可用信息对 CNN 有影响吗？

【问题讨论】：

在图像分类任务上训练卷积神经网络时，通常应该学习与模型相关的主要特征，使其成为最通用的。如果低分辨率对这些特征有很大影响，也许我们应该传递到更高的位深度来完成分类任务。

【解决方案1】：

位深度越高，图像应该包含的信息就越多。

因此，如果您将 32 位或 16 位图像转换为 8 位图像，则会丢失信息。这意味着您丢弃了一些可能导致模型准确性下降的信息。

但是，情况并非总是如此。这取决于您的数据以及您希望模型学习的模式类型。也可能是您的模型不需要额外的信息，并且能够比更高位深度的图像更好地泛化到 8 位图像。因此，使用 8 位深度图像可能会节省一些处理时间和内存。

没有关于你的数据集分布的信息，我只能建议你在所有位深度上训练你的模型，然后看看哪一个效果最好。

【讨论】：