江苏龙网

  1. 首页 > 生活 > >

用深度学习（CNN）做图片分类，需要对图片预处理吗

有人在某分类任务对图片做了预处理后跑CNN，效果奇差，原图直接上分分钟90%+…
■网友
你的预处理网络就会帮你做了，你需要的预处理是其它方面，比如，均值中心化(基于通道，全图，像素都可以)这样的预处理。
■网友
只要把人头crop出来就行。
■网友
谢邀
直观的可以理解为，深度模型有能力（capacity），也应当学到我们所期待的效果（泛化能力强）。
我们所知道的一般预处理包括，
数据集扩充：又名 数据增强 / 数据增广，在数据集的量不够理想的情况下扩充数据集，同时加入适当干扰增加训练的模型的泛化能力。包括旋转，翻转，色彩调整，加入噪声等。见图
用深度学习（CNN）做图片分类，需要对图片预处理吗

（此图来源为github上一个知名图片数据集扩充工具示例，链接为：https://github.com/aleju/imgaug）Resize：有的模型自带Resize调整。如果模型的输入要求固定大小的输入，就需要进行Resize设置。
白化操作：很多模型的训练都会有对输入做归一化的处理，即减均值除方差。当处理的方式就是改变图像的平均像素值为 0时 ，改变图像的方差为单位方差 1。先计算原图像的均值和方差，然后对原图像的每个像素值做变换。输入数据分布变换到0均值，单位方差的正态分布时，神经网络会较快收敛。

■网友
CNN 处理图片时，一般都是要做预处理的。CNN 中的预处理，跟你说的预处理，完全不一样。
【用深度学习（CNN）做图片分类，需要对图片预处理吗】 先说你想到的预处理，只要训练用的数据量足够多，完全不需要做。
另外， 如果训练的时候做了，应用模型的时候，怎么办呢？
单看这一步训练，简单了。但 end to end 来看，复杂了很多。

CNN 中的预处理，包括：

图像做镜像翻转2. 水平／垂直压缩扭曲图像
3. 截取图像的一部分 -- 测试图片只出现了猫尾巴，虽然训练数据集里没有，但 CNN 也能识别了。
4. 高斯噪音
5. 等

这些处理，都可以创造出大量有效的测试数据集，
而且，可以很好的避免过拟合。

■网友
1，不要做去背景，去不干净反而影响结果。
2，segmentation可以做，具体怎么做要看图片

■网友
窃以为分类的目标占据整幅图像的比例比较重要。比如现有图像分类任务中目标都是占据图像显著区域的。不需要去除背景，因为CNN能学到哪些区域是与标签相关的。推荐参考MIT Bolei Zhou的相关工作～～


    推荐阅读


    上一篇：一般网站的交易流程是怎么样的怎样设计交易流程

    下一篇：C语言最近占比下降那么多，而Java却一下子飙升了