deep-learning - 在Allumentations 增强之前和之后进行归一化？

Question

我在计算机视觉任务中使用了 Albumentations增强。但是，我不完全理解何时对我的图像使用归一化（我使用最小-最大归一化）。我是否需要在增强函数之前使用归一化，但值不会介于 0-1 之间，或者我是否在增强之后使用归一化，因此值在 0-1 之间，或者我在两种情况下都使用归一化 - 在增强之前和之后?

例如，当我使用Sharpen时，值不在 0-1 范围内（它们在 -0.5-1.5 范围内变化）。这会影响模型性能吗？如果是，如何？

提前致谢。

Answer 1

基本思想是你的神经网络的输入应该在 0 左右，方差为 1。它有助于神经网络的学习过程是有数学原因的。其他算法（例如树增强）则不是这种情况。

如果您从头开始训练，则归一化类型（最小值最大值或其他）不应影响模型性能（除非，例如，与您的其他数据点相比，您的最大值/最小值确实是极值）。