果然深度学习是个黑盒子，只管喂就行。难道在写yuv-rgb之前查一下yuv是个啥都这么麻烦吗。

Y就是亮度/灰度 channel，就应该直接用。

【 在 zhouusongnir 的大作中提到: 】
: 算法的同事不懂YUV，毕竟不是搞这个方向的，所以他拿到图片后用库转成RGB，又把RGB转成灰度，然后进行深度学习识别，我之前也不太懂YUV，后来了解了一下，觉得好像是不是可以把Y通道直接取出来用，为此还研究了一番写了一遍blog记录一下，我不知道我的理解对不对，希望有人能帮忙评估一下，谢谢
: http://www.zhouyousong.cn/2021/05/09/yuv%e7%bc%96%e7%a0%81%e7%9f%a5%e8%af%86%e6%80%bb%e7%bb%93/
--
FROM 75.80.228.*

这也是个办法，虽然颜色偏一点点，但对于深度学习而言，
检测率会比单纯的灰度图提升不少。

不过这个方法仍然要把整个图像每个像素挨个的处理一遍，
在有些低性能的嵌入式环境下还是吃力。特别是现在有些
处理器是 弱cpu + 深度学习硬件，比如单核arm A7配了一个
2T的深度学习引擎，如果没有图像格式转换的硬件加速，
靠cpu去把图像整个处理一遍还是不行。

【 在 tom6bj (tom) 的大作中提到: 】
: 这也太省事了吧, 可以这样
: 本来是
: R = Y + 1.14V
: ...................
--
FROM 222.129.35.*

谢谢各位给我自觉的肯定  
  
【 在 verber (erwer) 的大作中提到: 】
:  算法的同事不懂YUV????
:  这是搞什么算法的？  
:  【 在 zhouusongnir 的大作中提到: 】
:  : 算法的同事不懂YUV，毕竟不是搞这个方向的，所以他拿到图片后用库转成RGB，又把RGB转成灰度，然后进行深度学习识别，我之前也不太懂YUV，后来了解了一下，觉得好像是不是可以把Y通道直接取出来用，为此还研究了一番写了一遍blog记录一下，我不知道我的理解对不对，希望有人能帮忙评估一下，谢谢  
--
FROM 49.90.60.*