整理训练数据中的图片以训练cnn（alexnet）

Question

我正在使用模拟nes游戏（f1赛车手）的镜头训练亚历山大，以进一步让它自己玩游戏。

现在，虽然我正在捕捉训练数据，但在灰色像素值（如同相同区域的浅黄色到黑色）时，游戏的背景正在发生重大变化。是否有一个函数（可能是cv2？）或算法让我比较像素值（如果可能的话，在特定区域）？

也许我完全错了，这确实有助于网络减少一些，有些提示会很好，因为我甚至不确定这是不是真正的噪音 - 我必须要测试。到目前为止，我只将它们转换为灰色，将它们调整为160 * 120并平衡所需输出的帧数（大部分是向前）。

董事会告诉我，经过220/1700次训练后，网络停止获得准确率（~75％），并且损失也停止下降。

图片示例：

Answer 1

我正在处理图像，如下所示：

    screen = grab_screen(region=(100, 100, 348, 324))
    processed_img = cv2.cvtColor(screen, cv2.COLOR_BGR2GRAY)
    processed_img = cv2.Canny(processed_img, threshold1=200, threshold2=300)

    kernel = np.ones((2, 2), np.uint8)
    processed_img = cv2.dilate(processed_img, kernel,iterations = 1)
    processed_img = processed_img[120:248, :]
    processed_img = cv2.resize(processed_img, (160, 60))

这给了我一个相当不错的结果。

原始图片（来自流）：

旧图像处理（仅限rgb2gray）：

处理后的新图像：

培训结果： 橙色线...用旧图像训练 蓝线...用新处理的图像进行训练