数据预处理

在我们使用数据扩充技术获得了足够的训练样本之后，不要先急于开始模型训练，训练前，数据预处理操作时必不可少的一步。
在机器学习中，对输入特征做归一化预处理操作是常见的步骤。类似的，在图像处理中，图像的每个像素信息同样可以看做一种特征。在实践中，对每个特征减去平均值来中心化数据是非常重要的这种归一化处理方式被称作“的中心式归一化”。卷积神经网络中的预处理通常是计算训练集图像像素均值，之后在处理训练集、验证集和测试集图像时需要分别减去该均值。减均值操作的原理是，我们默认自然图像是一类平稳的数据分布(即数据每一个维度的统计都服从相同分布)，此时，在每个样本上减去数据的统计平均值(逐样本计算)可以移除共同部分，凸显个体差异。
需要注意的是，在实际操作中应首先划分好训练集、验证集和测试集，而该均值仅针对划分后的训练集计算。不可直接在未划分的所有图像上计算均值，如此会违背机器学习基本原理，即“模型训练过程中能且仅能从训练数据中获取信息”。
注：文章选自《解析深度学习—卷积神经网络原理与视觉实践》魏秀参著