像素值为什么归一化?归一化作用?
答:
1、0-256数据较大且为整数,计算机进行计算时,容易造成精度丢失。如1/3 = 0;
2、在深度神经网络训练时一般使用较小的权重值来进行拟合,而当训练数据的值是较大整数值时,可能会减慢模型训练的过程。因此,一般需要图像的像素进行归一化,使得图像的每个像素值都在0-1之间。当图像的像素处于0-1范围时,由于任然介于0~255之间,所以图像依旧是有效的,并且可以正常查看图像。
补充:
图像是由像素组成的。黑白图像是单个像素矩阵,而彩色图像中每个颜色通道都有单独的像素矩阵,比如:红色,绿色,蓝色等颜色通道。
归一化作用:
1归一化是一种数理统计中常用的数据预处理手段,在机器学习中归一化通常将数据向量每个维度的数据映射到(0,1)或(-1,1)之间的区间或者将数据向量的某个范数映射为1,归一化好处有两个:
1、消除数据单位的影响:
其一可以将有单位的数据转为无单位的标准数据,如成年人的身高150-200cm、成年人体重50-90Kg,身高的单位是厘米而体重的单位是千克,不同维度的数据单位不一样,造成原始数据不能直接代入机器学习中进行处理,所以这些数据经过特定方法统一都映射到(0,1)这个区间,这样所有数据的取值范围都在同一个区间里的。
2、可提深度学习模型收敛速度:
如果不进行归一化处理,假设深度学习模型接受的输入向量只有两个维度x1和x2,其中X1取值为0-2000,x2取值为0-3。这样数据在进行梯度下降计算时梯度时对应一个很扁的椭圆形,很容易在垂直等高线的方向上走大量的之字形路线,是的迭代计算量大且迭代的次数多,造成深度学习模型收敛慢。
像素值为什么归一化?归一化作用?相关推荐
- 数据处理-scipy.stats.norm函数,归一化的作用
scipy.stats.norm函数 可以实现正态分布(也就是高斯分布) pdf --概率密度函数标准形式是: norm.pdf(x, loc, scale)等同于norm.pdf(y) / scal ...
- 邻接矩阵对称归一化的作用
邻接矩阵对称归一化的作用是将邻接矩阵进行归一化处理,使得每一行(或每一列)的和都等于1,同时保持矩阵的对称性.这样做的主要目的是为了解决在使用邻接矩阵进行图神经网络训练时出现的两个问题:度数偏差和梯度 ...
- OpenCV学习笔记(四十一)——再看基础数据结构core OpenCV学习笔记(四十二)——Mat数据操作之普通青年、文艺青年、暴力青年 OpenCV学习笔记(四十三)——存取像素值操作汇总co
OpenCV学习笔记(四十一)--再看基础数据结构core 记得我在OpenCV学习笔记(四)--新版本的数据结构core里面讲过新版本的数据结构了,可是我再看这部分的时候,我发现我当时实在是看得太马 ...
- matlab显示像素分布,MATLAb-----7--------如何动态显示鼠标的坐标值和图像像素值
MATLAB如何动态显示鼠标的坐标值和图像像素值 http://apps.hi.baidu.com/share/user/41caedc2bda36d61746c6162330a (1)fix(x) ...
- OpenCV 笔记(06)— Mat 结构、像素值存储方法、创建 Mat 对象各种方法、Mat 对象的运算
数字图像中的每个点都称为像素(对于图像元素),并且每个像素可以存储一个或多个值,这取决于它是否是仅存储一个值的黑白图像(也称为二进制图像,比如只存储0或1),还是存储两个值的灰度图像,或者是存储三个值 ...
- opencv获取图像像素值的坑
我最开始学习OpenCV的时候,网上搜索,获取某个像素点的值,大概是这样的, srcImg.at<uchar>(i, j) 当然这样可以获取,但是效率很低,也就是速度很慢,然后网上搜索了第 ...
- 2021-07-27查看图像像素值类别
看图片的像素值,在语义分割标签时候数据集会用到. import numpy as np from PIL import Image img = Image.open("mask1.png&q ...
- 操作像素(一)--存取像素值
为了编写计算机视觉应用,你必须会存取图像的内容,如修改或者创建图像.本章将教会你如何操作图像的基本元素,即所谓的像素.从根本上来说,一张图像是一个有数值组成的矩阵.这也是OpenCV 2用 cv :: ...
- matlab如何截取图像的中间部分_利用matlab提取并分割RGB图像中的某一个已知像素值的图像...
已知一副RGB图像中的的像素值,利用matlab将其分割出来并以二进制图像形式显示: %extract.m clear all; I=imread('new_original.png'); figur ...
最新文章
- 整理一下linux系统expand 命令
- 将多窗体应用程序改造为仿Chrome形式的简易方法
- 城市智能化发展中,AI公司应该做什么?
- 告别苦逼的程序员生涯,我的CTO之路!
- Spring Boot 简单集成 Liquibase
- 06- 本地方法接口
- Robert C. Martin关于UML、CASE的观点
- LeetCode—220. 存在重复元素 III
- 浅析 record 使用场景
- CF1368G Shifting Dominoes(扫描线求矩阵的并集)
- 协议森林14 逆袭 (CIDR与NAT)
- 数学奥赛大神,两次以满分获IMO金牌,北大数学博士提前毕业
- UOJ#450. 【集训队作业2018】复读机 排列组合 生成函数 单位根反演
- [译] LINUX内核内存屏障
- AS3 BitmapData中获取非透明区域对应矩阵
- 远程服务异常处理的实践之一:客户端
- 利用python中的pygame模块开发fc坦克大战(可自定义地图,包括部分素材)
- linux局域网聊天软件,自制局域网内聊天与图片传输小软件
- 千寻位置_SDK集成_Linux快速上手指南
- 漫话Kubernetes的网络架构,该用NodePort还是Ingress还是load balancer?