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:
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。
您可以采用标准预处理策略,例如