Imagenet的std mean值（均值，归一化）

最新推荐文章于 2025-05-22 09:08:37 发布

mjiansun

最新推荐文章于 2025-05-22 09:08:37 发布

阅读量1.2w

点赞数 5

CC 4.0 BY-SA版权

分类专栏：图像处理机器学习

原文链接：https://blog.csdn.net/LEILEI18A/article/details/99538732

机器学习同时被 2 个专栏收录

173 篇文章

订阅专栏

图像处理

154 篇文章

订阅专栏

本文详细介绍了两种常用的ImageNet数据预处理方法：一种通过计算RGB通道的均值和标准差进行归一化，另一种则直接减去预设的RGB平均值。这两种方法在深度学习模型训练中起到关键作用，有助于提升模型的收敛速度和预测精度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1）常用的一种归一化

imagenet的 RGB模式

std标准差：[0.229, 0.224, 0.225]

mean均值：[0.485, 0.456, 0.406]

new_img = img / 255.

std = [0.229, 0.224, 0.225]
mean = [0.485, 0.456, 0.406]

_std = np.array(std).reshape((1,1,3))
_mean = np.array(mean).reshape((1,1,3))

new_img = (new_img - _mean) / _std

2）有一种就是如下所示的归一化

_MEAN_RGB = [123.15, 115.90, 103.06]
def _preprocess_subtract_imagenet_mean(inputs):
    """Subtract Imagenet mean RGB value."""
    mean_rgb = tf.reshape(_MEAN_RGB, [1, 1, 1, 3])
    print("mean_rgb:\n", mean_rgb)
    return inputs - mean_rgb

inputs = tf.random.uniform(shape=[2, 448, 448, 3], maxval=255)
print("inputs:\n", inputs)
imgs_new = _preprocess_subtract_imagenet_mean(inputs)
print("imgs_sub:\n", imgs_new)