图像以ResNet-50为中心，在张量流变薄

Question

我在tensorflow-slim中使用ResNet-50模型来提取功能。我的问题是，在输入图像之前，我是否需要根据一些标准ResNets-50平均值对图像进行居中？我知道对于vgg-19，tf-slim提供了使用 _mean_image_subtraction(image, means)中定义的vgg_preprocessing.py进行居中的选项。但我找不到ResNets的任何此类文件或功能。

Answer 1

我相信你也应该使用vgg_preprocessing。来自get_preprocessing()的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,
}

您还可以验证preprocessing_factory.get_preprocessing()使用train_image_classifier.py：

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，您应该居中（标准化）图像。应该做更好的模型融合。

如果没有用于ResNet的此图像处理操作的默认tf-slim方法，您可以基于this变体进行自己的实现

另外，对于整个训练批次计算means（来自_mean_image_subtraction(image, means)）更有用，而不是单个图像或整个数据集。