深度学习中图像预处理为什么要减去图像均值

      在深度学习中，大家都会发现训练集，验证集合测试集划分好之后会有减去均值的一步操作，但很多人都是只跟着做，并没有探究为什么要做这一步处理。

      其主要原理是我们默认自然图像是一类平稳的数据分布(即数据每一维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可以移除共同的部分，凸显个体差异。其效果如下所示：
                                       
                                         

      可以看到天空的纹理被移除了，凸显了汽车和高楼等主要特征。

      最值得注意的一点是，在计算均值之前就要预先划分好训练集验证集和测试集，然后只针对训练集计算均值，否则就违背了深度学习的原则：模型训练过程仅能从训练模型中获取信息。得到训练集的均值后，对训练集验证集和测试集分别减去该均值。

参考：
1、深度学习历程之图片的预处理为什么要减去图片的平均值（这篇写得很详细，从主成分和方向传播的角度分析）
2、【数据预处理】：图像去均值：image mean 和 pixel mean