我在張量流亭亭玉立中使用ResNet-50模型來提取特徵。我的問題是,在攝取圖像之前,是否需要根據一些標準ResNets-50平均值將圖像居中?我知道vgg-19 tf-slim提供了使用中定義的 _mean_image_subtraction(image, means)
進行對中的選項。但是我找不到ResNets的任何這樣的文件或功能。以張量流亭亭玉立的ResNet-50中的圖像
回答
我相信你也應該使用vgg_preprocessing
。在get_preprocessing()
從preprocessing_factory.py:
preprocessing_fn_map = {
'cifarnet': cifarnet_preprocessing,
'inception': inception_preprocessing,
'inception_v1': inception_preprocessing,
'inception_v2': inception_preprocessing,
'inception_v3': inception_preprocessing,
'inception_v4': inception_preprocessing,
'inception_resnet_v2': inception_preprocessing,
'lenet': lenet_preprocessing,
'mobilenet_v1': inception_preprocessing,
'resnet_v1_50': vgg_preprocessing,
'resnet_v1_101': vgg_preprocessing,
'resnet_v1_152': vgg_preprocessing,
'resnet_v1_200': vgg_preprocessing,
'resnet_v2_50': vgg_preprocessing,
'resnet_v2_101': vgg_preprocessing,
'resnet_v2_152': vgg_preprocessing,
'resnet_v2_200': vgg_preprocessing,
'vgg': vgg_preprocessing,
'vgg_a': vgg_preprocessing,
'vgg_16': vgg_preprocessing,
'vgg_19': vgg_preprocessing,
}
您也可以從train_image_classifier.py驗證使用preprocessing_factory.get_preprocessing()
:
preprocessing_name = FLAGS.preprocessing_name or FLAGS.model_name
image_preprocessing_fn = preprocessing_factory.get_preprocessing(
preprocessing_name,
is_training=True)
...
image = image_preprocessing_fn(image, train_image_size, train_image_size)
是的,你應該居中(正常化)的圖像。應該爲了更好的模型收斂做好準備。
如果沒有用於爲RESNET該圖像處理操作默認tf-slim
方法,您可以基於this變種自己的實現
而且更有用,爲整個訓練計數means
(從_mean_image_subtraction(image, means)
)批處理,而不是針對單個圖像或整個數據集。
這正是我想知道,如果有需要減去手段。許多框架調整原始模型,以便可以從所有ResNet模型中減去相同的平均值。因此,知道它是否必須在tf-slim中完成是合理的,如果是,那麼特定網絡的平均值是多少。 –
手段必須計入特定的數據集,而不是特定的網絡。你也可以看[這裏](http://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#cv2.normalize)做另一種正常化的方法 – Dmitry
通過網絡的意思,我的意思是最初訓練網絡的圖像。在轉移學習中,從原始數據集中減去平均值是非常標準的做法。供您參考 - https://github.com/vlfeat/matconvnet/issues/485 –
- 1. 報亭圖標和獨立圖標?
- 2. PIL圖像張量張量,張量流
- 3. 如何在張量流中使用預先訓練的ResNet50?
- 4. 發佈涼亭包(帶涼亭?)
- 5. 報亭外的BakerFramework
- 6. 涼亭上的draft.js?
- 7. 如何讓涼亭建立包裝?
- 8. 報亭新標籤圖標
- 9. 葛亭值
- 10. 葛亭細節
- 11. 與涼亭
- 12. 葛亭在Django
- 13. 爲亭應用
- 14. 基金5涼亭工作流程
- 15. 限制訪問報亭電流
- 16. 張量流立體圖像批量學習
- 17. 電腦亭上的OpenID
- 18. Symfony的涼亭vesionized包
- 19. 通過代理的涼亭
- 20. 葛亭文本框的值
- 21. 破碎的breeze.js.labs涼亭包
- 22. 定製涼亭包
- 23. 大廈亭應用
- 24. Middleman涼亭和Susy
- 25. 正在尋找亭
- 26. 報刊亭內容
- 27. EmberJS和涼亭CSS
- 28. 如何在張量流中實現RGB圖像張量?
- 29. 如何在張量流中採樣圖像張量
- 30. 從TeamCity的(Windows)中運行的涼亭
完美。這是我正在尋找的。儘管它對於ResNets也有vgg_preprocessing,但這很奇怪。他們應該爲此設置一個通用名稱。 –