image-processing - 深度学习中的图像预处理

Question

我正在尝试对图像进行深度学习。我有大约4000张来自不同相机的图像，这些相机具有不同的光照条件，图像分辨率和视角。

我的问题是：什么样的图像预处理将有助于改善物体检测？ （例如：对比度/颜色归一化，去噪等）

Answer 1

用于在将图像输入神经网络之前对其进行预处理。最好将数据置零。然后尝试标准化技术。当在比任意大的值或太小的值小的范围内缩放数据时，无疑会提高准确性。

一个示例图像将是：-



这是Stanford CS231n 2016 Lectures对它的解释。

*


归一化是指对数据维度进行归一化，以便它们具有大致相同的比例。对于图像数据，有两种实现此规范化的常用方法。一种方法是在零维居中后将其除以标准偏差：
(X /= np.std(X, axis = 0))。这种预处理的另一种形式是对每个维度进行规格化，以使沿着该维度的最小值和最大值分别为-1和1。仅当您有理由相信不同的输入要素具有不同的比例（或单位）时，才应用此预处理才有意义，但是它们对学习算法的重要性应大致相同。在图像的情况下，像素的相对比例已经近似相等（并且在0到255之间），因此严格地不必执行此附加预处理步骤。


*

上面摘录的链接：-http://cs231n.github.io/neural-networks-2/