เหตุใดจึงทำให้ภาพเป็นปกติด้วยการลบภาพของชุดข้อมูลหมายความว่าแทนที่จะเป็นรูปภาพปัจจุบันหมายถึงการเรียนรู้อย่างลึกซึ้ง?

มีความแตกต่างบางอย่างเกี่ยวกับวิธีทำให้รูปภาพเป็นปกติ แต่ส่วนใหญ่ดูเหมือนจะใช้สองวิธีนี้:

1. ลบค่าเฉลี่ยต่อแชนเนลที่คำนวณเหนือรูปภาพทั้งหมด (เช่น VGG_ILSVRC_16_layers )
2. ลบตามพิกเซล / ช่องคำนวณเหนือภาพทั้งหมด (เช่นCNN_S , ดูเครือข่ายอ้างอิงของ Caffe ด้วย )

วิธีธรรมชาติของฉันจะทำให้ภาพแต่ละภาพเป็นปกติ รูปภาพที่ถ่ายในเวลากลางวันจะทำให้เซลล์ประสาทยิงมากกว่าภาพในเวลากลางคืนและในขณะที่มันอาจแจ้งให้เราทราบถึงเวลาที่เรามักจะสนใจเกี่ยวกับคุณสมบัติที่น่าสนใจอื่น ๆ ในขอบ ฯลฯ

Pierre Sermanetอ้างถึงใน 3.3.3 ว่าการฟื้นฟูความคมชัดในท้องถิ่นนั้นน่าจะเป็นแบบต่อภาพ แต่ฉันไม่ได้เจอสิ่งนี้ในตัวอย่าง / แบบฝึกหัดที่ฉันเคยเห็น ฉันเคยเห็นคำถาม Quora ที่น่าสนใจและโพสต์ของ Xiu-Shen Weiแต่พวกเขาดูเหมือนจะไม่สนับสนุนแนวทางทั้งสองข้างต้น

ฉันพลาดอะไรไปแน่ ๆ ? นี่เป็นปัญหาการปรับสีให้เป็นมาตรฐานหรือมีกระดาษที่อธิบายว่าทำไมคนจำนวนมากถึงใช้วิธีนี้?

การลบชุดข้อมูลหมายถึงการทำหน้าที่ "จัดกึ่งกลาง" ข้อมูล นอกจากนี้คุณต้องการแบ่งโดย sttdev ของคุณสมบัติหรือพิกเซลนั้นเช่นกันหากคุณต้องการทำให้ค่าคุณลักษณะแต่ละค่าเป็นมาตรฐาน z-normal

เหตุผลที่เราทำทั้งสองสิ่งเหล่านี้เป็นเพราะในกระบวนการฝึกอบรมเครือข่ายของเราเราจะทวีคูณ (น้ำหนัก) และเพิ่ม (อคติ) อินพุตเริ่มต้นเหล่านี้เพื่อทำให้การเปิดใช้งานนั้นเป็นไปตามการไล่ระดับสี ฝึกโมเดล

เราต้องการให้แต่ละคุณลักษณะมีช่วงที่คล้ายกันเพื่อให้การไล่ระดับสีของเราไม่อยู่เหนือการควบคุม (และเราต้องการตัวคูณอัตราการเรียนรู้ทั่วโลกเพียงตัวเดียว)

อีกวิธีหนึ่งที่คุณสามารถคิดได้ก็คือเครือข่ายการเรียนรู้แบบลึกจะใช้พารามิเตอร์หลายตัวร่วมกันแบบดั้งเดิม - หากคุณไม่ได้ปรับขนาดอินพุตของคุณในลักษณะที่ทำให้ค่าคุณลักษณะที่มีช่วงคล้ายกัน (เช่น: เหนือชุดข้อมูลทั้งหมด เกิดขึ้นได้ง่ายมากเพราะส่วนหนึ่งของภาพมีน้ำหนักwมากและอีกส่วนหนึ่งมีขนาดเล็กเกินไป

คุณจะเห็นในบางรุ่นของซีเอ็นเอ็นที่ใช้ไวท์เทนนิ่งต่อภาพซึ่งมีมากขึ้นตามแนวความคิดของคุณ

ก่อนที่จะทำการปรับสภาพแบทช์ค่าเฉลี่ยการลบต่อแชนเนลถูกใช้เพื่อจัดกึ่งกลางข้อมูลรอบศูนย์ค่าเฉลี่ยสำหรับแต่ละช่องสัญญาณ (R, G, B) โดยทั่วไปแล้วสิ่งนี้จะช่วยให้เครือข่ายเรียนรู้เร็วขึ้นเนื่องจากการไล่ระดับสีดำเนินการอย่างสม่ำเสมอสำหรับแต่ละช่อง ฉันสงสัยว่าถ้าคุณใช้การปรับสภาพแบทช์ขั้นตอนต่อการประมวลผลหมายถึงการลบล่วงหน้านั้นไม่จำเป็นจริง ๆ เพราะคุณกำลังทำให้เป็นปกติต่อมินิแบตช์อยู่ดี

การปรับสภาพภาพตามปกตินั้นเป็นเรื่องปกติและยังเป็นเพียงฟังก์ชั่นที่สร้างขึ้นใน Tensorflow เท่านั้น มันใช้สำหรับเหตุผลที่แน่นอนที่คุณพูดถึง (วัน VS คืนสำหรับภาพเดียวกัน) อย่างไรก็ตามหากคุณจินตนาการถึงสถานการณ์ที่เหมาะสมกว่าที่ควบคุมแสงความแตกต่างสัมพัทธ์ระหว่างภาพแต่ละภาพจะมีค่ามากในอัลกอริทึมและเราไม่ต้องการที่จะลบล้างสิ่งนั้นด้วยการปรับภาพตามปกติต่อภาพ (และต้องการ ทำบรรทัดฐานในบริบทของชุดข้อมูลการฝึกอบรมทั้งหมด)

สิ่งนี้เรียกว่าการประมวลผลข้อมูลล่วงหน้าก่อนใช้งาน คุณสามารถประมวลผลได้หลายวิธี แต่มีเงื่อนไขข้อหนึ่งที่คุณควรประมวลผลแต่ละข้อมูลด้วยฟังก์ชั่นเดียวกัน X_preproc = f (X) และ f (.) นี้ไม่ควรขึ้นอยู่กับข้อมูลเองดังนั้นหากคุณใช้อิมเมจปัจจุบันหมายถึงการประมวลผลนี้ ภาพปัจจุบันแล้ว f (X) ของคุณจะเป็นจริง ๆ f (X, ภาพ) และคุณไม่ต้องการมัน

การปรับความคมชัดของภาพที่คุณพูดถึงนั้นมีจุดประสงค์ที่แตกต่างออกไป การปรับความคมชัดของรูปภาพจะช่วยในคุณสมบัติ

แต่ f (.) ด้านบนจะช่วยในการเพิ่มประสิทธิภาพโดยการรักษาคุณสมบัติทั้งหมดให้เป็นตัวเลขซึ่งกันและกัน (โดยประมาณ)