deep-learning - Albumentations 增强之前和之后的标准化？

Question

我使用 Albumentations增强我的计算机视觉任务。但是，我不完全理解何时对我的图像使用归一化(我使用最小-最大归一化)。我是否需要在扩充函数之前使用归一化，但值不会在 0-1 之间，或者我是否在扩充之后使用归一化，以便值在 0-1 之间，或者我在两种情况下都使用归一化 - 在扩充之前和之后？

例如，当我使用 Sharpen ，值不在 0-1 范围内(它们在 -0.5-1.5 范围内变化)。这会影响模型性能吗？如果是，如何？

提前致谢。

Answer 1

基本思想是你的神经网络输入应该在 0 左右，方差为 1。它有助于神经网络的学习过程有一个数学原因。其他算法(例如 tree boosting)并非如此。

如果您从头开始训练，归一化类型(最小最大值或其他)不应影响模型性能(除非，例如，与您的其他数据点相比，您的最大/最小值确实是极值)。