零中心归一化是什么意思？我怎么能用keras做这个？

Question

我在MATLAB中检查了AlexNet的设计，总结如下：

输入层使用zerocenter标准化来表示227x227x3。zerocenter规范化是什么意思？我怎么能做这个keras？在

我正在查看preprocessing documentation at keras，不确定以下任何属性是否满足zerocenter规范化？文档中也给出了属性：

 - featurewise_center
 - samplewise_center
 - featurewise_std_normalization
 - samplewise_std_normalization

Answer 1

MATLAB中zerocenter规范化的定义已在imageInputLayerdocumentation中指定：

• 'zerocenter' — Subtract the average image specified by the AverageImage property. The trainNetwork function automatically computes the average image at training time.

因此，从输入图像中减去平均图像，使它们的平均值为零（这有助于在模型训练期间实现平滑和快速的优化过程）。因此，Keras中的等效选项是featurewise_center：

• featurewise_center: Boolean. Set input mean to 0 over the dataset, feature-wise.

请注意，您需要调用fit()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

零中心标准化通常意味着图像标准化为平均值为0，标准偏差为1。如果您的图像是NumPy阵列，则可以轻松实现：

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

samplewise_center和samplewise_std_normalization执行相同的操作，确保每个图像的平均值为0，标准偏差为1。如果您想使用数据集的mean/std，而不是samplewise mean/std，我想您应该手动执行。在