Keras - 通过每个通道的不同均值和标准进行归一化答案

【问题标题】：Keras - Normalization by different mean and std for each channelKeras - 通过每个通道的不同均值和标准进行归一化
【发布时间】：2021-07-08 20:55:42
【问题描述】：

我需要在预处理中给图像添加一层归一化。

它需要是模型的附加层（而不是 python 中的单独代码），因为我后来将 keras 模型转换为 mlmodel。

我的意思是标准化：

在 python 中（来自here）：

parser.add_argument('--std', type=list, default=[0.229, 0.224, 0.225],
                                help='the std used to normalize your images')
parser.add_argument('--mean', type=list, default=[0.485, 0.456, 0.406],
                                help='the mean used to normalize your images')
        
normalize = transforms.Normalize(std=args.std, mean=args.mean)
        
transformation = transforms.Compose([transforms.ToTensor()])
        
            
man_normalize = transformation(man_resize)

在安卓中：

@Override
  | protected void addPixelValue(int pixelValue) {
  | imgData.putFloat((((pixelValue >> 16) & 0xFF)/255f - IMAGE_MEAN[0]) / IMAGE_STD[0]);
  | imgData.putFloat((((pixelValue >> 8) & 0xFF)/255f - IMAGE_MEAN[1]) / IMAGE_STD[1]);
  | imgData.putFloat(((pixelValue & 0xFF)/255f - IMAGE_MEAN[2]) / IMAGE_STD[2]);
  | }

我考虑过 Lambda 层，但我不确定如何有效地按通道进行。

谢谢

【问题讨论】：

标签： keras normalization image-preprocessing coremltools

【解决方案1】：

使用 Lambda 层的解决方案：

base_model = load_model(keras_model_p)

MEAN = [0.485, 0.456, 0.406]
STD = [0.229, 0.224, 0.225]
preprocess_layer = tf.keras.layers.Lambda(
    lambda x: (x - MEAN) / STD
)
model = Sequential()
model.add(tf.keras.Input(shape=(256, 192, 3))
model.add(preprocess_layer)
model.add(base_model)

【讨论】：