是否有任何理由將圖像的通道順序從 RGB 更改為 BGR？

根據經驗，順序可以更改的原因取決於您用於加載圖像的框架。OpenCV 特別以 BGR 格式對通道進行排序，因為一些內部優化以這種方式利用格式。可以使用 scikit-image、matplotlib 和 Pillow 查看常規 RGB 格式的圖像。

實際上，如果您查看該load_video函數，它會使用 OpenCV 打開視頻，因此輸入的幀是 BGR 格式。因此，必須交換通道才能將其轉換為 RGB 格式：

def load_video(path, max_frames=0):
    cap = cv2.VideoCapture(path)
    frames = []
    try:
        while True:
            ret, frame = cap.read()
            if not ret:
                break
            frame = crop_center(frame)
            frame = frame[:, :, [2, 1, 0]]
            frames.append(frame)

            if len(frames) == max_frames:
                break
    finally:
        cap.release()
    return np.array(frames)

您當然不需要反轉通道，因為神經網絡會根據它提供的輸入數據進行學習，但人們傾向於這樣做，以便輕鬆調試圖像，而不必擔心不斷反轉通道展示。具體來說，如果神經網絡是按 BGR 排序訓練的，如果您以 RGB 格式加載圖像，則需要完成通道的反轉，因為這就是訓練中圖像通道的表示方式。總而言之，這取決於框架，但在訓練後使用神經網絡時需要牢記這一點。如果數據以 BGR 格式訓練，如果您的圖像以 RGB 格式讀取，則需要在推理之前反轉通道。

事實上，這是使用網絡時的常見錯誤！非常勤奮，並在使用之前了解圖像數據是如何為網絡進行預處理的。