我有一个使用Deep CNN对停车场进行分类的项目。我的想法是将每个空间分类是否有车。我的问题是，我如何准备我的图像数据集来训练我的模型？ 我已下载用于培训的PKLot数据集包括负面和正面图像。 我应该将我的所有数据训练图像变为灰度吗？我应该将所有训练图像重新调整到一个固定大小吗？ （但如果我将我的训练图像调整为一个固定大小，我会有风景和肖像图像）。谢谢:)
答案 0 :(得分：2)
这是一个非常模糊的问题，因为每种图像处理算法都有不同的方法来提取特征。但是，在您的停车场示例中，您可能需要在其他图像处理技术中执行 RGB到灰度转换和尺寸标准化。
这个链接的一个很好的起点是：http://www.scipy-lectures.org/advanced/image_processing/
答案 1 :(得分：1)
首先检测图像中存在的汽车，并获得它们的大小和对齐方式。然后通过固定合适的尺寸和对齐方式对停车场进行分割和标记。
答案 2 :(得分：1)
如果您想使用pklot数据集来训练您的机器并使用真实数据进行测试，最好的方法是使两个数据集相似且同源，它们必须标准化，固定大小，灰度和参数化形状。然后你可以使用尺度不变特征变换（SIFT）作为基本方法进行图像特征提取。确切的定义通常取决于问题或应用类型。由于特征被用作后续算法的起始点和主基元，因此整体算法通常仅与其特征检测器一样好。您可以根据您的问题使用这些类型的图像功能：