python - 二元分类之间图像格式/质量的差异会影响卷积神经网络的训练吗?
问题描述
我有一个包含两个类的图像数据集。其中一个类有很多图像,它们都是 JPG 图像,格式如下:
Horizontal/Vertical Resolution: 96 dpi
Bit depth: 24
Size: ~217 KB
另一个类包含我(大部分)必须自己创建的图像。有一些来自原始数据集,但其余的是在它之外创建的。这些图像的格式如下:
Horizontal/Vertical Resolution: 120 dpi
Bit depth: 32
Size: ~2.75 MB
两种图像分类都是类型.jpg
并且具有相同的高度 x 宽度尺寸
在训练期间,所有这些文件都将减小大小并使用以下代码转换为 Python numpy 数组:
import numpy as np
from skimage.io import imread
from skimage.transform import resize
np.array([resize(imread(str(fileName)), (width, height, channels)) for fileName in list_of_filenames])
这给了我一批从目录中读取的图像,将它们的大小减小到指定的高度/宽度,并将它们放入一个 numpy 数组中。
我的问题是,由于图像大小、位深度和 dpi 的差异,我的图像分类器是否会简单地成为图像格式本身而不是图像内容的分类器?图像中的差异将如何影响调整大小功能?
解决方案
推荐阅读
- android - FrameLayout 不适合屏幕
- php - 从 csv 文件中删除一些行数
- excel - 计算进度条百分比
- c# - BrowseFolderDialog - 这会破坏 MVVM 吗?
- python-3.x - docker-compose 找不到文件
- python - 带有行内标签的Python plotly_Connection标记
- ios - 如何在 Objective-C 中更改 QR 码的颜色?
- python - 正则表达式 - 在符号后查找数字
- azure-cognitive-search - Azure 认知搜索标准 Lucene 分析器通配符和模糊搜索问题
- c# - c# - 如何从 objectName 创建 Generic T?