machine-learning - 训练集的颜色配置文件在 CNN 模式识别中发挥作用吗？

Question

我最近开始使用深度学习和 CNN，正如所引用的，它尝试从样本中自行提取最佳特征。我制作了一个模型来识别字符，其中训练集具有黑色背景的图像和白色的脚本。 Image Sample

这种类型的模型虽然无法识别白色背景上黑色图案的图像(我也尝试使用自己的输入和前一组的负片)。 Negative of Image Sample

是否可以使用同一模型识别两种类型的图像，或者我是否需要训练两个单独的模型？我不知道是否可以使用 ImageDataGenerator 类。以下是当前的代码片段:

train_datagen = ImageDataGenerator(rescale = 1./255, shear_range = 0.2, zoom_range = 0.2, horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)

Answer 1

嗯，这是一种情况(“负面图像”)，正如最近披露的那样，结果并不是我们所期望的那样......

有一篇未发表的论文 @ ArXiv，它准确地表明了 CNN 模型在 MNIST 和 CIFAR-10 等数据集上实现了近乎完美的测试精度，但在各自的“负”图像(即具有倒置背景的图像)中却无法给出类似的性能和前景，就像你在这里的情况一样):

On the Limitation of Convolutional Neural Networks in Recognizing Negative Images

以下是论文的主要结果:

这个问题相当重要，社区中对于这个结果是否确实在意料之中、是否不足为奇存在着强烈的分歧；请参阅(现已存档)相关讨论@ Reddit ，以及相关的文章@ KDNuggets .

总而言之，正如本文还建议的那样，您可以使用一个模型来完成此任务，但您需要在训练中至少包含一些此类“负”图像。另请参阅SO线程High training accuracy but low prediction performance for Tensorflow's official MNIST model .