【发布时间】：2019-11-11 17:53:51
【问题描述】：
我从事对象检测已经有一段时间了，我见过的所有模型都只使用 RGB 作为输入（如果我们没有 3 个通道，我们会将数据从一种颜色/维度复制到另一种）。 我们是否有任何深度学习模型，我们只能将 1 个通道作为模型的输入，例如 open cv 中的面部/眼睛检测器 (LBPHFaceRecognizer)。 当我们只有 1 个来自热图像、红外摄像机、TOF 摄像机、雷达等来源的通道时，基本上是在寻找简单且计算要求不高的深度神经网络。
【问题讨论】：
-
如果我定义一个灰度网络，它与 3 通道网络的区别仅在于输入通道的数量，那么只有第一个卷积层会不那么复杂。其余层将具有相同数量的参数、输出和计算复杂度。
-
从计算要求较低的角度来看，我认为您可能感兴趣的搜索词是“移动对象检测网络”。例如，MobileNetV2 看起来很有前途，尽管我没有直接的经验。
-
我不知道只有第一层卷积可以减少，因为我们只有一个通道作为输入，我希望模型能得到更大的减少。
-
我一直在使用移动网络 v2 和 TensorFlow 对象检测 API，现在计划在边缘 TPU 上使用 Efficientnet。
-
不确定这个问题有什么问题才能获得 -1 票！！
标签： tensorflow machine-learning keras deep-learning object-detection