我正在研究俄语手语识别问题，我的数据集遇到了一些麻烦。为了解决此任务，我决定使用分割网络之后的分类网络（将手与背景分开，然后对其进行分类）。之后，我自己使用色度键将手与背景分开来收集数据集。它包含在2个网络摄像头的帮助下从20个人收集的图像。在录制过程中，我并不重视相机之一上的色彩失真的事实。我也使用IndoorCVPR_09作为包含室内图像的背景数据集。我对此数据进行了unet训练，并获得了使用f1-score指标的92％训练集。分割图像是损失函数为二元交叉熵。另外，由于类ibalance，我还计算了每批次的重量，因为没有它，网络将无法收敛。因此，现在我正在使用这台相机，在推理时会遇到一些问题。当尝试将我的网络与房间墙壁的色度键istead一起使用时，我注意到此问题的原因。网络摄像头会自动更改其内部设置，网络开始选择更多像素，图像上的颜色也变为红色。
我已经尝试了一些图像增强功能，例如添加随机的亮度，对比度，伽玛校正，添加随机的高斯噪声和模糊处理。
我想要一些建议，然后尝试下一步。 有什么方法可以防止网络摄像头的色彩感知发生变化？ 有没有办法知道我的网络摄像头（防御者g镜头2577）在记录数据集期间进行了什么反变换？ 也许有一些颜色建议可以帮助您？ 通常在认真的研究和商业项目中如何解决这些问题？