我目前正在为Tensorflow实现一些图像样式传输算法，但我想在tile中进行，所以我不必通过网络运行整个图像。一切正常，但根据自己的统计数据，每个图像的标准化程度不同，这会导致图块的特征略有不同。
我确信唯一的问题是实例规范化，因为如果我将真实值（从整个图像获得）提供给每个平铺计算结果是完美的，但是我仍然需要通过网络运行整个图像计算这些值。我也尝试使用图像的下采样版本计算这些值，但分辨率受到很大影响。
所以我的问题是：是否可以在不通过网络提供整个图像的情况下估算均值和方差值，例如归一化？
答案 0 :(得分：0)
您可以随机抽取图像的像素，并使用sample mean和sample variance来标准化整个图像。它会not be perfect，但样本越大越好。几百个像素可能就足够了，甚至更少，但你需要进行实验。
使用tf.random_uniform()获取随机X和Y坐标，然后使用tf.gather_nd()获取给定坐标处的像素值。