【问题标题】:image pre-processing for image classification and semantic segmentation用于图像分类和语义分割的图像预处理
【发布时间】:2017-04-12 17:47:22
【问题描述】:

在训练不同类型的图像相关工作的深度学习模型方面,例如图像分类、语义分割,需要进行什么样的预处理工作?

例如,如果我想训练一个网络进行语义分割,我需要将图像值(通常表示为 nd 数组)缩放到 [0,1] 范围,还是保持为 [0,255] 范围?谢谢。

【问题讨论】:

  • 通常人们会缩放图像。
  • 感谢 cmets。您的意思是将图像缩放到预定义的范围,例如 [0,1]?您想详细说明吗?
  • 是的。将其缩放到 [0,1]。
  • 并减去平均图像。
  • 非常感谢您的澄清。

标签: computer-vision tensorflow deep-learning caffe keras


【解决方案1】:

已经完成的事情很少,但实际上并没有一组或固定的预处理组始终完成。

这里有一些例子:

  • 减去平均图像,
  • 除以方差(不太常见)
  • 标准化值
  • 如果使用“真实”图像(如人物图像),则水平翻转
  • 随机作物
  • 翻译

【讨论】:

  • 嗨史蒂文,关于标准化值,是不是类似于我们通常在统计中所做的,将像素值标准化为 [0, 1]?
  • 是的,我的意思是标准化。 [0,1] 之间的值,而减去均值和除以方差将使您处于 [-1,1] 范围内
猜你喜欢
  • 2019-01-24
  • 1970-01-01
  • 2019-11-29
  • 2017-07-03
  • 1970-01-01
  • 2023-03-30
  • 2019-08-09
  • 2022-01-04
  • 1970-01-01
相关资源
最近更新 更多