5
A
回答
1
用于在将图像送入神经网络之前对图像进行预处理。以数据零中心为佳。然后尝试规范化技术。它肯定会提高准确性,因为数据的缩放范围大于任意大的值或太小的值。
一个例子的图像将是: -
这里是它从斯坦福CS231n 2016和讲座一个解释。
*
规范化是指归一化的数据的尺寸,使得它们的大致相同的尺度。对于图像数据有两种常见的方法来实现这种规范化。一种是将每个维度除以它的标准差,一旦它以零为中心:
(X /= np.std(X, axis = 0))
。此预处理的另一种形式将每个维度标准化,以使沿维度的最小值和最大值分别为-1和1。如果你有理由相信不同的输入特征具有不同的尺度(或单位),那么应用这种预处理才有意义,但它们应该与学习算法大致同等重要。在图像的情况下,像素的相对尺寸已经大致相等(并且范围从0到255),因此不必严格执行此额外的预处理步骤。
*
链接,上面摘录: - http://cs231n.github.io/neural-networks-2/
0
0
这无疑是为这个职位迟到的答复,但希望能帮助在这个帖子谁绊倒。
这里是我在网上找到的一篇文章Image Data Pre-Processing for Neural Networks,虽然这当然是一篇很好的文章,应该如何训练网络。
制品的主要要点说
1)作为数据(图像)几成NN应根据该NN旨在利用图像尺寸,通常是正方形被缩放即100x100,250x250
2)考虑MEAN(左图)和标准偏差(右图)的特定图像组的集合中的所有输入图像的价值
相关问题
- 1. 图像分类深度学习
- 2. 准备输入到Caffe深度学习的图像数据集
- 3. 云中深度学习的选择iOS
- 4. 机器学习数据预处理
- 5. 特征预处理scikit学习
- 6. 图像处理术语:位深度
- 7. 准备jpg图像数据进行深度学习?
- 8. 如何应用UI学习自动化的深度学习?
- 9. 深度学习网络的分类
- 10. 深度学习的混乱矩阵
- 11. 在深度学习中使用AlexNet进行图像识别的奇怪结果
- 12. Keras深度学习模型到android
- 13. 哪些算法涉及深度学习?
- 14. 如何培养深度学习网络
- 15. 如何在深度学习(keras)训练输入数据中预处理类别信息?
- 16. 学习如何做基本的图像处理
- 17. 哪个深度学习库支持在手机上使用的深度学习模型的压缩?
- 18. 图像的深度学习必须具有相同的大小吗?
- 19. 学习Python异常处理
- 20. 深度学习:数据集包含不同尺寸和方向的图像
- 21. 在机器学习训练之前处理20x20图像
- 22. 如何转换图像数据集处理机器学习
- 23. 如何预测谷歌机器学习中的图像
- 24. 如何在深度学习4 j中使用网络进行预测?
- 25. 使用AMD图形卡在Matlab上进行深度学习
- 26. ç预处理器和我学习C这样的操作
- 27. 减少预训练的深度学习模型的大小特征生成
- 28. 图像预处理tesseract
- 29. 深入学习chatbot培训
- 30. 深q学习不收敛
没有人可以回答这个问题,除非他们看看你的数据。一般用深度学习预处理是没有必要的。如果您有足够的数据,您的模型可以学习如何适应数据中的变化。 – Feras
是的,我知道我的问题太笼统了,但您的回答对我有帮助。我真正的问题是深度学习对图像质量有多敏感? – Norbert
深度网络或CNN有过滤器倾向于在您的数据集上学习。大量的数据和多样性让你的系统更健壮。当然,如果您的目标域名与您的培训域名不同,它就会很敏感。 – Feras