为什么 caffe io load_image 将 png 文件的 rgb 值从 0-1 标准化？

Question

对 png 的 caffe.io.load_image() 函数调用返回一个 numpy 3d 数组，其中 rgb 值是 0-1 范围内的标准化浮点数，而不是 0-255。

这是：

1. 将图像加载到类似数组的结构中时的常见做法？
2. 与 caffe 网络层如何使用图像有关？
3. 与 png 文件的存储方式有关吗？

谢谢

Answer 1

将像素值标准化为[0..1]（而不是[0..255]）范围不仅在深度学习中，而且在图像处理/计算机视觉的其他领域也是常见的做法。
这主要是因为原生 uint8 像素值不容易使用 - uint8 容易上浮/下浮。因此，在[0..1]范围内将像素值转换为float类型会更方便。

为了解决深层网络中梯度消失/爆炸的问题，有许多理论论文分析了激活值的分布（参见例如this work）。这些作品通常假设值的正态分布 - 因此是缩放。您还会遇到许多网络，除了缩放网络外，还会从输入中减去“图像均值”。