关于用于Mask RCNN训练的图像，我有一个小疑问。Mask RCNN是否只接受8位图像进行训练？如果它能处理16位或32位图像，这对训练有什么帮助？通常可视化是针对8位图像进行的。我在想，如果它处理16位图像，这对分类和映射有什么帮助呢？
回答：
只要保持所有输入图像的数据类型一致，并且图像强度范围“一致”，那么应该没问题。例如，如果我们偏好8位图像，你应该将16位和32位图像重新缩放到8位，即输入图像应为uint8类型，值在[0,255]之间。这种“预处理”在训练和使用大多数机器学习模型进行推理时是必要的。
在matterport/Mask_RCNN的一个示例中，输入图像的类型是uint8。
另一种方法，为什么不将图像转换为float类型，范围在[0,1]之间，从而保留16位和32位图像的像素分辨率呢？希望这对你有帮助。
