请教深度学习中如何排除背景不同对识别结果的影响

Question

做cnn训练手势识别模型，在测试集上表现都很好，但是我用自己拍的手势图片去测试，准确率就惨不忍睹，似乎是网络把训练集的背景也学进去了，这种情况怎么处理啊，我想让尽可能排除背景的影响，把重点放在手势上。
（pytorch框架）

Answer 1

在深度学习中，排除背景不同对识别结果的影响的方法有很多。下面列出一些可能有用的解决方案：

数据增强: 数据增强可以增加训练集的多样性，使得模型对于不同背景的图像都有很好的识别能力。数据增强方法有很多，如随机旋转、缩放、平移、镜像等。

手动标记: 手工标记数据中手势的位置和大小，在训练时只输入手势部分的图像。这样就可以排除背景对识别结果的影响了。

背景消除: 在图像处理的方法中，背景消除是一种常用的手段。如果你知道背景的颜色或纹理特征，可以使用颜色过滤或纹理分析等方法将背景从图像中消除。

深度学习方法: 使用深度学习中的一些算法，如 YOLO, Faster R-CNN, RetinaNet, Unet等，这些算法可以自动学习图像中物体的位置和大小，可以将背景过滤掉。