图像预处理是指图像减法
Image preprocessing mean image subtraction
我有一个关于预处理步骤的问题 "Image mean subtraction"。
我使用 UCSD Dataset 进行训练。
一种流行的预处理步骤是均值减法。现在我想知道我做的对不对。
我正在做的是：
- 我有 200 张灰度化的火车图像
我将所有图像放在一个列表中并使用 numpy 计算平均值：
np.mean(ImageList, axis=0)
这returns我是个卑鄙的形象
- 现在我从所有训练图像中减去平均图像
当我现在可视化我的预处理火车图像时，它们大部分是黑色的，并且其中也有负值。
这样对吗？还是我对减去均值图像的理解不正确？
这是我的训练图像之一：
看来你做得对。
至于负值：它们是可以预料的。您的原始图像的强度值在 [0..1] 范围内，减去平均值（应该在 ~0.5 左右）后，您的值应该在（大约）[-.5..0.5].
范围内
请注意，您还应该保存测试时间获得的 "mean image"：一旦您希望使用经过训练的网络进行预测，您需要减去 相同的来自测试图像的平均图像。
更新：
在您的情况下（静态相机），减去平均值会删除 "common" 背景。这些设置似乎对您有利，因为它们将网络聚焦于帧中的时间变化。只要您在相同的图像集（即来自同一静态相机的帧）上进行测试，此方法就很适合您。
我有一个关于预处理步骤的问题 "Image mean subtraction"。
我使用 UCSD Dataset 进行训练。
一种流行的预处理步骤是均值减法。现在我想知道我做的对不对。
我正在做的是：
- 我有 200 张灰度化的火车图像
我将所有图像放在一个列表中并使用 numpy 计算平均值：
np.mean(ImageList, axis=0)这returns我是个卑鄙的形象
- 现在我从所有训练图像中减去平均图像
当我现在可视化我的预处理火车图像时，它们大部分是黑色的，并且其中也有负值。
这样对吗？还是我对减去均值图像的理解不正确？
这是我的训练图像之一：
看来你做得对。
至于负值：它们是可以预料的。您的原始图像的强度值在 [0..1] 范围内，减去平均值（应该在 ~0.5 左右）后，您的值应该在（大约）[-.5..0.5].
请注意，您还应该保存测试时间获得的 "mean image"：一旦您希望使用经过训练的网络进行预测，您需要减去 相同的来自测试图像的平均图像。
更新：
在您的情况下（静态相机），减去平均值会删除 "common" 背景。这些设置似乎对您有利，因为它们将网络聚焦于帧中的时间变化。只要您在相同的图像集（即来自同一静态相机的帧）上进行测试，此方法就很适合您。