利用transform归一化图像
收藏
利用transform归一化图像,是不是很爽?哈哈哈
paddle.vision.transforms.Normalize提供了图像的归一化。
paddle.vision.transforms.Normalize(mean=0.0, std=1.0, data_format='CHW', to_rgb=False, keys=None)
output[channel] = (input[channel] - mean[channel]) / std[channel]
图像归一化处理,支持两种方式:
- 用统一的均值和标准差值对图像的每个通道进行归一化处理;
- 对每个通道指定不同的均值和标准差值进行归一化处理。
transform = Normalize(mean=[127.5], std=[1], data_format='CHW') if self.transform is not None: image = self.transform(image)
0
收藏
请登录后评论
开始跟雨哥学hapi了。
https://aistudio.baidu.com/aistudio/projectdetail/1441137
简单易用,挺好的……
不过这么搞的话,难怪PaddleDetection的迁移工作量特别巨大了……
咦,啥叫工作量?
好好学习高层API
升级版本的迁移工作啊
127.5是什么含义呀
255/2=127.5
为什么取127.5
127.5是均值,0~255像素取值的均值
如果没有根据数据集计算均值和方差,就用默认的127.5和1代替
是对数据集进行归一化处理的一部分
用均值和方差归一化数据集后可以加速模型收敛
好嘞感谢
顶
顶
简单易懂