如果我不將默認輸入形狀放入預訓練模型中，深度學習程序的准確性會下降嗎？

Question

正如標題所說，我想知道輸入形狀是否會影響深度學習模型的准確性。

此外，可以在灰度圖像上使用預訓練模型（如 Xception）嗎？

PS：我最近開始學習深度學習，所以如果可能的話，請簡單解釋一下。

Answer 1

通常，使用卷積神經網絡，圖像形狀（圖像的寬度/高度）的差異並不重要。 但是，圖像中通道數的差異（相當於圖像的深度）會影響性能。 事實上，如果模型是針對灰度/顏色進行訓練而您放入其他類型的，通常會出現尺寸不匹配錯誤。

Answer 2

通常，輸入規模很重要。 更改為灰度肯定很重要。 細節取決於訓練數據。 也就是說，如果訓練數據包含與您使用的比例相同的對象，它可能不會有很大的不同，如果不是，它就會有很大的不同。 深度學習對數據的任何變化都不是一成不變的。 CNN 顯示出翻譯的一些不變性，但僅此而已。 旋轉、縮放、顏色失真、亮度等都會對性能產生負面影響——如果這些條件不是訓練的一部分的話。

在 IJCNN 2022 上發表的論文https://arxiv.org/abs/2106.06057研究了在簡單數據集（如 MNIST（數字））上旋轉和縮放圖像的分類器，並表明性能下降很多。 還有其他一些論文也顯示了同樣的情況。