1通道/灰度图像用于目标检测的深度学习/CNN

我一直在研究目标检测一段时间了,我看到的所有模型都只使用RGB作为输入(当然,如果我们没有3个通道,我们会将数据从一个颜色/维度复制到另一个)。我们是否有可以仅将1个通道作为输入的深度学习模型,就像OpenCV中的面部/眼睛检测器(LBPHFaceRecognizer)一样?基本上,我在寻找简单且计算需求较低的深度神经网络,特别是当我们只有来自热成像、红外摄像头、TOF摄像头、雷达等来源的单通道数据时。


回答:

如果我们使用AutoML/神经网络架构搜索来进行目标检测,那么神经网络将能够高效处理各种输入(包括灰度图像),MobileNet v3或NASNet是神经架构搜索的良好示例。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注