我看过一些将频谱图的 RGB 图像提供给神经网络的出版物，有人声称网络使用 RGB 比灰度更好。

频谱图基本上是一种二维表示，每个点都是非负实数值。将其转换为 RGB 不会添加任何信息。更糟糕的是，它引入了对颜色图选择的依赖，这只是噪声。它比使灰度图像 RGB 更糟糕，因为它通过拆分为通道来破坏频谱图的空间依赖性。

为什么 RGB 频谱图的性能永远优于灰度？

具有良好结果的示例酒吧，但有理由怀疑其无能，例如“[1356x1071] 图像无损缩放到 32x32”，这是不可能的。无法与灰度方法进行比较，因此我们无法判断它是否表现出色。

我将列出一些“琐碎”的解释以避免包含它们的答案：

1. 迁移学习：使用在 RGB 上预训练的网络
2. 专为最大化 RGB 效用而定制的架构

虽然它们是有效的解释，但没有证据表明 RGB 更好。