caffe训练的时候减去pixel-mean和image-mean的区别

在用DIGITS的时候，遇到了减去均值是用image mean还是pixel mean，并且这个区别会导致最后用训练好的网络模型来测试之前训练的时候用到的验证集却达不到训练时候测试的准确率，(用pixel mean就能获得和训练时候的一样的准确率)，一直很疑惑两者的区别，好好研究了一下发现是这样的。

具体区别可以见这个链接https://groups.google.com/forum/#!topic/digits-users/FfeFp0MHQfQ

简单的说，读入一张彩色图像，假设是(N*N*3)，这时候，求出image mean的话，就也是N*N*3，相当于把所有训练集在同一个空间位置上的像素的对应通道求了均值，也就是caffe里生成的mean.binaryproto文件，而pixel mean的话，其实是把训练集里面所有图片的所有R通道像素，求了均值，G,B通道类似，也就是不考虑空间位置了。所以求出来就是三个数值（R_mean,G_mean,B_mean），所以其实就是把image mean再求了一次均值。

可以自行用代码验证:

对于用compute_mean求到的mean.binaryproto文件，我们转换成npy文件再求均值，来验证和网络里的pixel mean是否相等。
(我写博客还不熟悉，就不贴代码了，也很简单)