功能性标准标准化不能适用于目录中的每个批次

Question

我想对来自 Dataset 的每批图像进行标准化和标准化。 公式为：Xi = (Xi - mean) / std(像素级全局均值(SD))

我使用 ImageDataGenerator 和 flow_from_directory 如下：

datagen = ImageDataGenerator(featurewise_center=True, 
                             featurewise_std_normalization=True, 
                             vertical_flip=True,              #data augmentation 
                             validation_split= 0.1,           #validation
                             rescale=1./255,                  #Scaling
                             horizontal_flip=True)            #data augmentation 

train_gen = datagen.flow_from_directory(
            train_data_dir,
            target_size=(img_height,img_width),
            batch_size=batch_size,
            class_mode='binary',
            subset='training',
            shuffle=True)

valid_gen = datagen.flow_from_directory(...)

model = Model(...) #I use ResNet and some fully connected layer
model.compile(...)

trainer= model.fit(train_gen,
                   validation_data= valid_gen,
                   epochs=16,
                   verbose=2)

根据我的需要，我在ImageDataGenerator 中使用featurewise_center 和featurewise_std_normalization。但似乎这些选项不适用于 flow_from_directory ！我也应该使用flow_from_directory，因为我的数据很重（我没有足够的内存来同时处理整个数据集）。

你能给我一些解决这个问题的建议或意见吗？即如何在这种方法中实现图片的像素级全局均值（SD）？

Answer 1

为了达到效果，您必须在训练模型之前运行train_generator.fit。这方面的文档是here.