另一种提问方式是：去除背景噪音后声音是否会变得更清晰？

显而易见的答案是肯定的，在图像分类的情况下，答案通常也是肯定的。

在大多数情况下，减少噪声（不相关的像素）会增强神经网络试图寻找的信号（激活）。

当然，这可能会有所帮助。您从图像中删除了过多的信息，并使分类任务更加简单。但是您需要记住，边界框可能无法完美运行，并且分类算法的准确性可能会受到输入损坏（当边界框损坏时）的影响。

边界框之外的信息仍然可以用作上下文。所以不要丢失它，您可以将边界框作为像素蒙版添加到额外的“伪彩色”层中。这样你也可以在不改变输入架构的情况下拥有许多边界框。您将在不丢失任何内容的情况下提供网络附加信息，因此结果至少不会更糟。

可以想象使用分割网络作为处理的第一步。然后将与每个分割对象的边界框对应的区域馈送到分类器。

这可能会提高对图像中的对象进行分类的性能，但并非没有训练时间的成本，因为突然间有两个网络需要训练，而不仅仅是一个。