conv-neural-network - 图像的位深度会影响卷积神经网络吗？

Question

假设说，我有一个位深度为 8 的 RGB 图像的训练集。我将这些图像传递给 CNN，我得到的训练集精度为“X”。

现在，我将这些相同的图像以 16 和 32 的位深度作为位，并通过相同的网络并从头开始再次训练网络。“X”会有什么变化吗？

图像中额外的可用信息对 CNN 有什么影响吗？

Answer 1

位深度越高，图像应该包含的信息就越多。

因此，如果您将 32 位或 16 位图像转换为 8 位图像，则会丢失信息。这意味着您丢弃了一些可能导致模型准确性下降的信息。

但是，情况并非总是如此。这取决于您的数据以及您希望模型学习的模式类型。也可能是您的模型不需要额外的信息，并且能够比更高位深度的图像更好地泛化到 8 位图像。因此，您可能可以通过使用 8 位深度图像来节省一些处理时间和内存。

由于没有关于您的数据集分布的信息，我只能建议您在所有位深度上训练您的模型，然后自己看看哪一个效果最好。