以張量流亭亭玉立的ResNet-50中的圖像

Question

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。

Answer 1

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) 

Answer 2

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。