深度圖像depth image作為CNN卷積神經網路的輸入層有什麼技巧？選用什麼網路模型能取得好效果？

如題，深度圖像（depth image）作為CNN卷積神經網路的輸入層，做一些物體識別/行人識別的深度學習應用，有什麼預處理的技巧嗎？選用什麼網路模型比較好？比如RCNN？SSD？

正好處理過這個方向的任務，強答一波。

首先常見的預處理方式就是先將深度圖數據歸一化到 0 to 255 的範圍，然後在finetune model的時候會遇到問題就是基本上現有的model都是3 channel的，那麼你自己finetune的時候還要對模型進行預處理，http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Molchanov_Online_Detection_and_CVPR_2016_paper.pdf CVPR2016的這篇文章用到了深度圖信息，它的處理方式是將第一個卷積層三個channel的weight求和然後得到一個channel作為depth的卷積kennel，這篇文章是nvida的，公司一般不公布源碼，我們跟作者發eamil回復竟然是相信我們有能力復現paper 233，使用的是3DCNN，樓主可以看一下，代碼能力強的話記得github地址走一波，最近轉到了tensorflow。

另一篇CVPR2016的文章Towards Good Practices ...沒有處理深度圖，但是處理了optical flow圖，也用了類似的方法，他使用的方法是對原始的三個channel取平均值，然後對你的任務每個channel上都使用該平均值來作為卷積channel的值。

上文作者是港中文CV實驗室的，代碼地址：yjxiong/temporal-segment-networks caffe代碼，很清晰。就是跑原始資料庫很吃GPU，祭出我們實驗室的tesla K40 無壓力233

網路模型的話你說的 RCNN和SSD以及你可能想說的YOLO，FCN,R-FCN都是檢測流的網路結構，使用 depth image作為CNN卷積神經網路的輸入層的話網路結構還是傳統的VGG16或者GoogleNet比較強勁，目前看到的最好性能還是inception V3，主要是network in network加上1*1卷積核的功勞吧，膜拜google大神。

建議樓主讀一些相關的paper，會有較深的理解。

為啥有這麼多dl的問題問我... ...