计算机视觉：计算描述符的归一化值

Question

我正在进行图像分类项目，并且已经制作了功能语料库。

我想将我的功能规范化为PyBrain的输入介于-1到1之间我使用以下公式来规范化功能

Normalized value = (Value - Mean ) / Standard Deviation 

但它给我标准化了-3到3之间的一些值，这是非常不准确的。

我有pybrain的100个输入和pybrain的1个输出。

Answer 1

您使用的等式是标准化的等式。它不保证您的值在-1; 1但它重新调整您的数据，使其平均值为0，之后标准差为1。但是点数可以超过平均值的标准偏差的1倍。

绑定数据有多种选择。

1. 使用非线性函数，例如tanh（非常在神经网络中流行）
2. 中心，然后使用1/max(abs(dev))
重新缩放
3. 保留0，然后使用1/max(abs(dev))
重新缩放
4. 2*(x-min)/(max-min) - 1
5. 标准化（正如您所做）但截断值为-1; +1
6. ......更多

Answer 2

如果您有正数据集，则可以使用此公式对您的值进行标准化

Normalized value = (Value / (0.5*Max_Value) )-1;

这将为您提供范围为[-1，+ 1]

的值

如果您有正面和负面：

 Normalized value = ((Normalized - Min_Value)/(Max_Value-Min_Value)-0.5)*2

Answer 3

也许你可以这样做：

Mid_value = ( Max_value + Min_Value )/2
Max_difference = ( Max_value - Min_Value )/2;
Normalized_value = ( Value - Mid_value )/Max_difference;

Normalized_value应在[-1，+ 1]之内。