以张量流亭亭玉立的ResNet-50中的图像

Question

我在张量流亭亭玉立中使用ResNet-50模型来提取特征。我的问题是，在摄取图像之前，是否需要根据一些标准ResNets-50平均值将图像居中？我知道vgg-19 tf-slim提供了使用中定义的 _mean_image_subtraction(image, means)进行对中的选项。但是我找不到ResNets的任何这样的文件或功能。

Answer 1

我相信你也应该使用vgg_preprocessing。在get_preprocessing()从preprocessing_factory.py：

preprocessing_fn_map = { 
    'cifarnet': cifarnet_preprocessing, 
    'inception': inception_preprocessing, 
    'inception_v1': inception_preprocessing, 
    'inception_v2': inception_preprocessing, 
    'inception_v3': inception_preprocessing, 
    'inception_v4': inception_preprocessing, 
    'inception_resnet_v2': inception_preprocessing, 
    'lenet': lenet_preprocessing, 
    'mobilenet_v1': inception_preprocessing, 
    'resnet_v1_50': vgg_preprocessing, 
    'resnet_v1_101': vgg_preprocessing, 
    'resnet_v1_152': vgg_preprocessing, 
    'resnet_v1_200': vgg_preprocessing, 
    'resnet_v2_50': vgg_preprocessing, 
    'resnet_v2_101': vgg_preprocessing, 
    'resnet_v2_152': vgg_preprocessing, 
    'resnet_v2_200': vgg_preprocessing, 
    'vgg': vgg_preprocessing, 
    'vgg_a': vgg_preprocessing, 
    'vgg_16': vgg_preprocessing, 
    'vgg_19': vgg_preprocessing, 
} 

您也可以从train_image_classifier.py验证使用preprocessing_factory.get_preprocessing()：

preprocessing_name = FLAGS.preprocessing_name or FLAGS.model_name 
image_preprocessing_fn = preprocessing_factory.get_preprocessing(
    preprocessing_name, 
    is_training=True) 

... 

image = image_preprocessing_fn(image, train_image_size, train_image_size) 

Answer 2

是的，你应该居中（正常化）的图像。应该为了更好的模型收敛做好准备。

如果没有用于为RESNET该图像处理操作默认tf-slim方法，您可以基于this变种自己的实现

而且更有用，为整个训练计数means（从_mean_image_subtraction(image, means)）批处理，而不是针对单个图像或整个数据集。