計算機視覺圖像預處理中的 Zero-mean（零均值化） 和 Normalization（歸一化）

 

 

 

 

在訓練神經網絡前，每每要對原始圖像數據進行預處理，中心化（Zero-centered及Mean-subtraction）和歸一化（Normalization）。那麼具體是什麼意思呢？

一、零均值化/中心化

在訓練神經網絡前，預處理訓練集數據，一般是先進行零均值化（zero-mean），即讓全部訓練圖像中每一個位置的像素均值爲0，使得像素範圍變成 [-128, 127]，以0爲中心。

零均值化：是指變量減去它的均值；

優勢：在反向傳播時加快網絡中每層權重參數的收斂；還能夠增長基向量的正交性。

二、歸一化/標準化

不一樣的評價指標每每具備不一樣的量綱和量綱單位，這樣沒法對結果進行分析，難以對結果進行衡量，爲了消除指標之間的量綱影響，須要對數據進行標準化處理，以使數據指標之間存在可比性。

歸一化：是指變量減去它的均值，再除以標準差；

優勢：歸一化後加快了梯度降低求最優解的速度；而且有可能提升精度。