logo
Loading...

圖片normalization問題 - Cupoy

關於測試圖片的normalization的有一些疑問 :1. 我們在測試圖片的normalizati...

cvdl-1,cvdl-1-d15

圖片normalization問題

2019/12/12 下午 02:32
電腦視覺深度學習討論版
黃易辰
觀看數:16
回答數:1
收藏數:0
cvdl-1
cvdl-1-d15

關於測試圖片的normalization的有一些疑問 :

1. 我們在測試圖片的normalization是按照訓練集的分佈, 而不是測試集自己本身的分佈 或(訓練集+測試集)的分佈 

想請問後者與前者在統計意義上的差異?

我的疑惑是 ~ 真正模型落地時,  測試集跟訓練集不見得會有相同的分佈


2. 測試圖片的normalization是based on RGB所有一起算mean , 以及所有RGB一起算的std

想請問為何不是每個channel分別取mean 跟 std?

回答列表

  • 2019/12/12 下午 04:59
    楊哲寧
    贊同數:2
    不贊同數:0
    留言數:0

    您好,針對以下幾種情況回答:

    1. Normalization 包含訓練集與測試集:這樣的話並不客觀,等於我們偷看了測試集的資料分佈,再決定Normalization 的值。

    2.依照測試集本身訊息做Normalization:這樣並沒有統計上的意義,並且我們有時只測試單張影像,就無從Normalize 。

    3.其實所有NN模型在預測沒看過的資料時,都是在找其與訓練集上相似的資訊分佈,因此當訓練集與測試集的訊息分佈完全不相同時,模型本身也無法給予正確的答案。

    4.有關於RGB的部分,確實可以將每一層拆開算一個mean與std。

    Nomination 的方式很多種,其實只要確保訓練與測試的資料在相同的scale內,理論上模型都有辦法預測,因此近期常見作法如(x/127.5)-1,,將所有資訊壓縮到-1到1之間等等。