首先，我是 ML/CV 领域的新手，目前正在使用 Caffe 训练自定义卷积网络。
我对平均图像减法感兴趣，以在我的训练图像上实现基本数据标准化。但是，我对均值减法的工作原理以及它究竟有什么好处感到困惑。
我知道可以从训练集中计算出“平均图像”，然后将其从训练、验证和测试集中减去，以降低网络对不同背景和光照条件的敏感度。
这是否涉及计算每张图像中所有像素的平均值并取平均值？或者，每个像素坐标的值是否在集合中的所有图像上平均（即所有图像的位置 (1,1) 处的像素的平均值）？这可能要求所有图像的大小相同...
另外，对于彩色图像（3 通道），每个通道的值是否单独平均？
如有任何清晰的说明，我们将不胜感激。
【问题讨论】：
标签： image machine-learning computer-vision caffe conv-neural-network
在深度学习中，实际上对于如何减去平均图像有不同的做法。
第一种方法是减去@lejlot 描述的平均图像。但是，如果您的数据集图像大小不同，则会出现问题。在使用此方法之前，您需要确保所有数据集图像的大小相同（例如，调整原始图像的大小并从原始图像裁剪相同大小的补丁）。它用于原始 ResNet 论文，请参阅reference here。
第二种方法是从原始图像中减去每通道均值，这种方法更流行。这样，您无需调整或裁剪原始图像。您可以从训练集中计算每个通道的平均值。这在深度学习中被广泛使用，例如 Caffe：here 和 here。凯拉斯：here。 PyTorch：here。 （PyTorch 还将每个通道的值除以标准差。）
【讨论】：
平均图像是其中 i,j,c 像素是所有图像中 i,j,c 像素的平均值的图像。因此，您对每个位置和每个颜色通道分别取平均值。它当然要求所有图像具有相同的大小，否则不定义。此外，这并不是说对不同条件不那么敏感——这与它无关，实际上只是将初始激活保持在合理范围内，仅此而已。
【讨论】：