Question

我正在MATLAB中检查AlexNet的设计，总结如下：

输入层使用227x227x3归一化表示zerocenter。 zerocenter规范化是什么意思？我该怎么做呢？

我正在经历preprocessing documentation at keras，不确定以下任何属性是否满足zerocenter规范化？文档中还提供了以下属性：

 - featurewise_center
 - samplewise_center
 - featurewise_std_normalization
 - samplewise_std_normalization

Answer 1

零中心归一化通常意味着将图像归一化为均值0和标准偏差1。如果您的图像是NumPy数组，则可以轻松实现：

img = (img - img.mean()) / img.std()

samplewise_center和samplewise_std_normalization做同样的事情，确保每个图像的均值为0，标准差为1。如果要使用数据集的均值/标准差，而不是按样本卑鄙/ std，我想您应该手动执行。

Answer 2

在zerocenter documentation中指定了MATLAB中imageInputLayer规范化的定义：

'zerocenter'-减去AverageImage属性指定的平均图像。 trainNetwork函数在训练时自动计算平均图像。

因此，从输入图像中减去均值图像，使它们的均值为零（这有助于模型训练期间平滑，快速的优化过程）。因此，Keras中的等效选项为featurewise_center：

featurewise_center：布尔值。按功能将数据集上的输入均值设置为0。

请注意，您需要调用fit()的{{1}}方法来计算平均图像：

ImageDataGenerator