我目前正在为通过金属种族的动物训练一个分类器，我正在一个永久的静态环境中工作，因此相机和环境中的静态特征不会改变。我有一个想法，使用图像遮罩删除不需要的图像部分，因此删除了可能导致分类结果不佳的功能。我计划将相同的预处理应用于推理数据。这是一个好主意吗？还是我应该在整个图像上简单地训练网络？
任何建议都值得赞赏。
答案 0 :(得分：2)
如果您有时间和资源，我会同时尝试：带掩码的网络和不带掩码的网络。
通常，在训练之前执行的预处理通常也应该在推断之前执行。 是，在这种情况下，我将应用相同的预处理。由于帧的位置是静态的，因此可以依靠蒙版来帮助您。您关于提高性能的理论似乎很合理。答案 1 :(得分：0)
我认为，如果图像的这些部分一直都是恒定的，那么一个好的模型将学到这一点，如果您将其蒙版，则会损害一般性。 我建议训练一个更大的数据集和更深的网络，并将其用作基线并将其与您的结果进行比较，以便您可以对结果进行基准测试。