ResN中fintune的图像预处理

Question

我想对resnet50imagenet预训练模型进行微调，我对finetune的图像预处理有一些疑问。在

1. 在ImageNet预处理中，我们需要减去像素的平均值（[103.939116.779123.68]）。当我使用数据集进行微调时，我应该减去ImageNet的平均值还是减去数据的平均值。

2. 我确实看到很多人将数据重新缩放到[0,1]，但是预训练模型（ImageNet）在[0255]中使用了图像比例。为什么人们会那样做？合理吗？

Answer 1

1. 我会两个都试试。减去你的平均值是有意义的，因为一般情况下，人们试图得到平均值0。减去图像网络平均值是有意义的，因为你希望网络作为一个特征提取。如果你在特征提取器的早期改变了一些东西，那可能是它根本就不起作用了。在
2. 就像均值0一样，通常认为特征值在固定范围内或具有固定的标准差是理想的特性。再说一次，我真的不能告诉你什么更好，但你可以很容易地尝试。我的猜测是没有太大的差别。在

确保使用相同的预处理/训练步骤。在

Answer 2

在我看来，人们夸大了图像预处理的影响。唯一真正重要的是，测试数据在价值尺度上与训练数据相似。在理论上，使用批处理标准化，预规范化数据集有一些好处，但实际上它并没有带来太大的差别（2-4%的准确率）。在

如果你有一个正在运行的模型，并且你试图在不增加参数数量的情况下获得最后几%的准确率，那么我会建议你根据你的用例调整这一点。在

在我看来，没有一种方法可以适用于每个用例，但是一个好的起点是使用与ImageNet相同的预处理，因为这些特征将与ImageNet分类产生的特征相似。在