zerocenter归一化意味着什么？我怎么能用keras做到这一点？

Question

我在MATLAB中检查了AlexNet的设计，总结如下：

输入层用227x227x3标准化表示zerocenter。 zerocenter规范化是什么意思？我怎么能做这个keras？

我正在通过preprocessing documentation at keras，并不确定以下任何属性是否满足zerocenter标准化？文档中给出的属性是：

 - featurewise_center
 - samplewise_center
 - featurewise_std_normalization
 - samplewise_std_normalization

Answer 1

在zerocenter imageInputLayer中已经规定了MATLAB中documentation规范化的定义：

• 'zerocenter' - 减去AverageImage属性指定的平均图像。 trainNetwork函数自动计算训练时的平均图像。

因此，从输入图像中减去平均图像以使它们具有零均值（这有助于在模型训练期间平滑且更快的优化过程）。所以，Keras中的等价选项是featurewise_center：

• featurewise_center：布尔值。在数据集上将输入均值设置为0，具体为。

请注意，您需要调用fit()的ImageDataGenerator方法来计算平均图像：

datagen = ImageDataGenerator(featurewise_center=True, ...)

datagen.fit(train_data) 

# now you can call `flow`

Answer 2

零中心归一化通常意味着图像被归一化为平均值为0，标准差为1.如果您的图像是NumPy数组，则可以轻松实现：

img = (img - img.mean()) / img.std()

samplewise_center和samplewise_std_normalization做同样的事情，确保每个图像的平均值为0，标准差为1.如果你想使用数据集的mean / std，而不是samplewise mean / std，我想你应该手动完成。