ncnn的substract_mean_normalize函数详解

导读

在使用模型进行预测的时候，我们在做图片预处理的时候通常需要归一化输入图片的均值和方差，而ncnn也提供了substract_mean_normalize函数，来针对输入图片的均值和方差做处理，这篇文章我们就来详细介绍一下这个函数的使用。

函数介绍

函数：substract_mean_normalize(mean_vals, norm_vals)

• mean_vals：减去的均值
• norm_vals：乘以的方差

注意：ncnn中的substract_mean_normalize函数像素范围在[0,255]，所以在使用对于不同的框架可能需要进行转换

像素范围在[0,255]之间

transform_param {
    mean_value: 103.94
    mean_value: 116.78
    mean_value: 123.68
    scale: 0.017
}

ncnn中的代码

const float mean_vals[3] = { 103.94f, 116.78f, 123.68f };
const float norm_vals[3] = { 0.017f, 0.017f, 0.017f };
in.substract_mean_normalize(mean_vals, norm_vals);

mxnet-gluon或pytorch

transforms.ToTensor(),
transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))

mxnet框架在处理图片数据的时候，会对其进行归一化，所以像素会在[0,1]之间，转换为ncnn的代码

// R' = (R / 255 - 0.485) / 0.229 = (R - 0.485 * 255) / 0.229 / 255
// G' = (G / 255 - 0.456) / 0.224 = (G - 0.456 * 255) / 0.224 / 255
// B' = (B / 255 - 0.406) / 0.225 = (B - 0.406 * 255) / 0.225 / 255
const float mean_vals[3] = {0.485f*255.f, 0.456f*255.f, 0.406f*255.f};
const float norm_vals[3] = {1/0.229f/255.f, 1/0.224f/255.f, 1/0.225f/255.f};
in.substract_mean_normalize(mean_vals, norm_vals);

参考：FAQ ncnn produce wrong result · Tencent/ncnn Wiki · GitHub