是否可以将图像特征(例如SIFT特征(提供给Tensorflow中的卷积神经网络模型？我正在尝试该项目的张量流实现，其中灰度图像是彩色的。图像特征是否比按原样将图像馈送到模型更好？我是机器学习的新手，不熟悉创建神经n/w模型
你几乎可以输入任何内容。如果每个像素都有额外的功能，那么不使用一个通道(强度(，而是使用多个通道。
如果您有关于整个图像的额外功能，则可以在某个上层进行单独的输入合并功能。
至于更好的性能，您应该尝试这两种方法。一般的直觉是，如果你没有很多样本，额外的特征会有所帮助，如果你有很多样本，它们的效果就会减弱，网络可以自己学习特征。
还有一点：如果你是新手，我强烈建议使用更高级别的框架，如 keras.io(这是层在张量流上(而不是张量流。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium