计算机视觉图像预处理中的 Zero-mean(零均值化) 和 Normalization(归一化)

 

 

 

 

在训练神经网络前,往往要对原始图像数据进行预处理,中心化(Zero-centered及Mean-subtraction)和归一化(Normalization)。那么具体是什么意思呢?

1、零均值化/中心化

在训练神经网络前,预处理训练集数据,通常是先进行零均值化(zero-mean),即让所有训练图像中每个位置的像素均值为0,使得像素范围变成 [-128, 127],以0为中心。

零均值化:是指变量减去它的均值;

优点:在反向传播时加快网络中每层权重参数的收敛;还可以增加基向量的正交性。

2、归一化/标准化

不同的评价指标往往具有不同的量纲和量纲单位,这样无法对结果进行分析,难以对结果进行衡量,为了消除指标之间的量纲影响,需要对数据进行标准化处理,以使数据指标之间存在可比性。

归一化:是指变量减去它的均值,再除以标准差;

优点:归一化后加快了梯度下降求最优解的速度;并且有可能提高精度。

 

posted @ 2020-04-10 16:35  BooTurbo  阅读(524)  评论(0编辑  收藏