整理训练数据中的图片来训练一个cnn（alexnet）

Question

我正在用玩模拟 nes 游戏 (f1 racer) 的镜头训练 alexnet，进一步让它自己玩游戏。

现在，当我捕获训练数据时，当涉及到灰色像素值时，游戏背景发生了很大变化（例如相同区域的浅黄色到黑色）。是否有函数（也许是 cv2？）或算法可以让我比较图片的像素值（如果可能，在特定区域）？

也许我完全错了，这确实有助于网络减少过度拟合，一些提示会很好，正如我所说，我什至不确定那是否是真正的噪音 - 我将不得不测试。到目前为止，我只将它们转换为灰色，将它们的大小调整为 160*120 并平衡具有所需输出的帧数（主要是向前）。

tf board 告诉我，在 220/1700 个训练步骤之后，网络停止获得准确度（~75%），损失也停止减少。

图片示例：

Answer 1

我正在处理图像，如下所示：

    screen = grab_screen(region=(100, 100, 348, 324))
    processed_img = cv2.cvtColor(screen, cv2.COLOR_BGR2GRAY)
    processed_img = cv2.Canny(processed_img, threshold1=200, threshold2=300)

    kernel = np.ones((2, 2), np.uint8)
    processed_img = cv2.dilate(processed_img, kernel,iterations = 1)
    processed_img = processed_img[120:248, :]
    processed_img = cv2.resize(processed_img, (160, 60))

这已经给了我一个很好的结果。

原图（来自流）：

旧图处理（仅rgb2gray）：

处理后的新图片：

训练结果：橙色线......用旧图像训练蓝线...使用新处理的图像进行训练

整理训练数据中的图片来训练一个cnn（alexnet）

sorting out pictures in training data to train a cnn (alexnet)

python

training-data

conv-neural-network

cv2