我需要设计一个应该被神经网络检测到的标记图像。我知道仅仅检测图像并不是一项复杂的任务，这可以单独使用 OpenCV 完成。然而，探测器也应该在纯粹的可见性条件下工作（低光、失焦、磨损/部分损坏、仅形成图像的一小部分等）。标记图像周围的背景只是真实的世界，很难预测它可能在那里。
什么样的图像最容易让神经网络处理？最重要的
- 它是否应该像字母或路标一样具有鲜明的对比，或者颜色渐变可能会更好？
- 将重复图案（如人字形框架）作为对象的一部分有助于或更好地使标签的每一块都独一无二？
我知道神经网络主要用于人类和马等“现实世界”图像，但我不确定它们是否是更好的对象，或者只是让它们被识别更令人印象深刻。
另一方面，人类为了识别它们而故意制造的物体（如路标）大多使用鲜明的对比。我不记得有任何颜色渐变的道路或其他标志，但有时会使用像人字形框架这样的重复图案。另一方面，带有颜色渐变的路感器制造起来更加复杂，也许在它们最初发明时根本不存在该技术。
在“嘈杂的输入”条件下，神经网络最容易识别哪种对象是否有共识？