如何为训练模型准备图像数据集？

Question

我有一个项目，使用深层CNN对停车场进行分类。我的想法是对每个空间进行分类，不管有没有车。我的问题是，如何准备图像数据集来训练模型？ 我已经下载了PKLot训练数据集，包括负片和正片。 我应该把我所有的数据训练图像变成灰度吗？我是否应该将所有训练图像重新压缩为一个固定大小？（但如果我调整我的训练图像到一个固定的大小，我有横向和纵向图像）。谢谢：）

Answer 1

这是一个非常模糊的问题，因为每种图像处理算法都有不同的特征提取方法。然而，在您的停车场示例中，您可能需要进行RGB到灰度的转换和尺寸标准化以及其他图像处理技术。在

一个很好的起点应该是这个链接：http://www.scipy-lectures.org/advanced/image_processing/

Answer 2

由于您希望使用pklot数据集来训练您的机器并使用实际数据进行测试，最好的方法是使这两个数据集相似且同源，它们必须是规范化的、固定大小的、灰度级的和参数化的形状。然后利用尺度不变特征变换（SIFT）进行图像特征提取方法准确的定义通常取决于问题或应用类型。由于特征被用作后续算法的起点和主要原语，所以整个算法通常只会和它的特征检测器一样好。您可以根据您的问题使用以下类型的图像功能：

1. 角落/兴趣点
2. 边缘
3. 兴趣点的斑点/区域
4. 山脊
5. 。。。在

Answer 3

首先检测图像中的车辆，并获得它们的尺寸和对齐方式。然后对停车场进行分割和标记，确定合适的尺寸和线形。在