什么图像特征最适合训练目标检测模型？

Question

我是机器学习新手，但我正在尝试创建一个模型来检测自定义照片中的一些对象。在训练我的模型之前，我想知道如果和如何我应该修改我的图像以提高其准确性。

我目前无法访问这些照片，但是，我可以提供一个我将使用的图像特征的示例：

1. 有一张白色的纸（所以背景是白色的），上面有一堆昆虫。
2. 有几种不同种类的昆虫，它们看起来各不相同（不同的颜色、形状、大小等）。
3. 相机相当缩小，因此每只昆虫可能约为 40x40 像素（因此它不是真正的高清）。

我对机器学习了解不多，但我认为由于昆虫的捕获质量较低，模型最终将主要依靠一般形状和颜色来区分/识别昆虫（例如长或长的昆虫）照片上的圆形斑点等）。

因此，我想知道是否应该对照片做一些事情以达到更高的准确性（在训练之前）。例如，如果我增加照片中的对比度，昆虫的边界是否会更加清晰，从而使模型更容易检测/识别它们？或者，我应该将图像转换为灰度还是坚持使用 RGB？还有其他需要考虑的因素吗？任何帮助将不胜感激！

编辑：我不确定为什么有人投票将其作为基于意见的关闭，但是，我并不是在征求意见。我试图通过了解什么构成“好”照片和“坏”照片来更多地了解图像检测过程。尽管这听起来像是基于意见，但事实并非如此。例如，我确信拥有极低光照的照片对于训练模型来说会很糟糕。这不是意见，而是基于证据的事实。

同样，我想了解哪些一般特征可以使照片变得“更好”，例如我是否应该使用高对比度、亮度等。我认为这是一个可以回答的问题，而不是基于意见。

Answer 1

您可以采用标准预处理策略，例如

1. RGB 值标准化
2. 水平/垂直翻转
3. 仿射变换