计算机视觉图像预处理中的 Zero-mean（零均值化） 和 Normalization（归一化）

 

 

 

 

在训练神经网络前，每每要对原始图像数据进行预处理，中心化（Zero-centered及Mean-subtraction）和归一化（Normalization）。那么具体是什么意思呢？

一、零均值化/中心化

在训练神经网络前，预处理训练集数据，一般是先进行零均值化（zero-mean），即让全部训练图像中每一个位置的像素均值为0，使得像素范围变成 [-128, 127]，以0为中心。

零均值化：是指变量减去它的均值；

优势：在反向传播时加快网络中每层权重参数的收敛；还能够增长基向量的正交性。

二、归一化/标准化

不一样的评价指标每每具备不一样的量纲和量纲单位，这样没法对结果进行分析，难以对结果进行衡量，为了消除指标之间的量纲影响，须要对数据进行标准化处理，以使数据指标之间存在可比性。

归一化：是指变量减去它的均值，再除以标准差；

优势：归一化后加快了梯度降低求最优解的速度；而且有可能提升精度。