CNN 数据集预处理 - 好文

*
* vgg 预处理 <https://blog.csdn.net/wenxueliu/article/details/80275686#vgg-预处理>
* 训练预处理 <https://blog.csdn.net/wenxueliu/article/details/80275686#训练预处理>
* 测试预处理 <https://blog.csdn.net/wenxueliu/article/details/80275686#测试预处理>
* inception 预处理
<https://blog.csdn.net/wenxueliu/article/details/80275686#inception-预处理>
* 训练预处理 <https://blog.csdn.net/wenxueliu/article/details/80275686#训练预处理-1>
* 测试预处理 <https://blog.csdn.net/wenxueliu/article/details/80275686#测试预处理-1>

看各种模型的 paper 发现，图片预处理是东一句西一句，有的干脆直接就说参考了前面某某某模型，搞得人晕头转向。下面就 Tensorflow
中对各个模型的预处理实现。（与对应模型论文描述的数据预处理有出入）

vgg 预处理

输入图片 height, width

RESIZE_SIDE_MIN = 256

RESIZE_SIDE_MAX = 512

R_MEAN = 123.68G_MEAN = 116.78B_MEAN = 103.94

训练预处理

* scale = width < height ? small_size / width : small_size / height 其中
small_size 为 RESIZE_SIDE_MIN 到 RESIZE_SIDE_MAX 的随机数
* new_width = width * scale new_height = height * scale
* 用二分插值法将 (height, width) 转为 (new_height, new_width)
* 将 new_height, new_width 的图片 crop 为 crop_height(224), crop_width(224) 其中必须满足
new_height >= crop_height, new_width >= crop_width
* 将图片左右翻转（50% 的概率会翻转）
* RGB 分别减去其平均值，其中依次为 R_MEAN, G_MEAN B_MEAN
测试预处理

* 用二分插值法将 (height, width) 转为 (new_height, new_width) 其中 new_height =
new_width = 256
* 从 crop 中心的 crop_height, crop_width
* RGB 分别减去其平均值，其中依次为 R_MEAN, G_MEAN B_MEAN
采用上述预处理方法的模型

* resnet_v1_50
* resnet_v1_101
* resnet_v1_152
* resnet_v1_200
* resnet_v2_50
* resnet_v2_101
* resnet_v2_152
* resnet_v2_200
* vgg
* vgg_a
* vgg_16
* vgg_19
inception 预处理

训练预处理

* 对图片进行随机 crop, 使其与 bbox 的重叠部分大于 0.1，长宽比在 (0.75, 1.33) 之间，croped
之后的图片大小为原图的(0.05, 1.0)。
* 将 crop 之后的图片大小 resize 为 crop_height(224), crop_width(224)
* 将 crop 图片左右翻转（50% 的概率会翻转）
* 调整 crop 图片的亮度(32. / 255.)和饱和度(0.5, 1.5)
* 每个元素减去 0.5，再乘以 2.0
测试预处理

* central crop
* 二分法插值，将图片变为 height, width
* 每个元素减去 0.5，再乘以 2.0
采用上述预处理方法的模型

* inception
* inception_v1
* inception_v2
* inception_v3
* inception_v4
* inception_resnet_v2
* mobilenet_v1
* nasnet_mobile
* nasnet_large
* pnasnet_large,

热门工具换一换