在做超分这种回归类的模型时候,对于数据要不要做标准化预处理,网上也没个专业的说法,令人头大。
![alt](https://i-blog.csdnimg.cn/blog_migrate/cc3d705bafba348760c7767a3706f6fe.png)
CV里面一般的图像都是0-255的范围,这个比较好处理了,不好进行标准化就直接除以255进行归一化,但是在其他领域的话,有时候数据集的极差比较大,比如降雨这种。
![alt](https://i-blog.csdnimg.cn/blog_migrate/d1cf807f08d4ea565ff2d6224cf894ff.gif)
那么,在深度学习中处理图像数据的时候,到底要不要对数据进行标准化?
下面记录一些自己的实验。
测试
按照控制变量法的原理来做,其他的参数都不进行调整,只调整2个部分:
-
是否对输入数据(X)做标准化? -
是否在网络中加入BN层?
模型使用FSRCNN(之前文章复现过),按照上面两个变量的组合,一共有4种情况,分别进行试验。