在执行语义分割任务时我应该减去图像均值吗?为啥或者为啥不?

Posted

技术标签:

【中文标题】在执行语义分割任务时我应该减去图像均值吗?为啥或者为啥不?【英文标题】:Should I subtract image mean when doing a task of semantic segmentation? why or why not?在执行语义分割任务时我应该减去图像均值吗?为什么或者为什么不? 【发布时间】:2019-11-26 03:13:08 【问题描述】:

对于语义分割任务中的图像,我应该减去图像均值还是除以 255?为什么或为什么不?

【问题讨论】:

【参考方案1】:

你应该。

滤波器权重的初始化方式有一个隐藏的假设,即输入信号的均值和单位方差大致为零。这有助于缩放激活和梯度。 在实践中,您可能能够使用“未归一化”的输入图像来训练网络(用于分割或任何其他任务),但是训练可能需要更长的时间并且不太稳定 wrt 元参数,例如学习速率和求解器类型。

有关详细信息,请参阅 He 等人的第 2.2 节。 "Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification" (ICCV 2015)。

【讨论】:

以上是关于在执行语义分割任务时我应该减去图像均值吗?为啥或者为啥不?的主要内容,如果未能解决你的问题,请参考以下文章

Unet 语义分割模型(Keras)| 以细胞图像为例

Lecture 11 检测与分割

自然和医学图像的深度语义分割:网络结构

AAAI 2022 | 在图像级弱监督语义分割这项CV难题上,字节跳动做到了性能显著提升...

语义分割(研究现状技术基础)

AAAI 2022 | 在图像级弱监督语义分割这项CV难题上,字节跳动做到了性能显著提升...