Albumentations 增强之前和之后的标准化？
Normalization before and after Albumentations augmentations?
我在我的计算机视觉任务中使用 Albumentations 增强。但是，我不完全理解何时对我的图像使用归一化（我使用最小-最大归一化）。我是否需要在扩充函数之前使用归一化，但值不会在 0-1 之间，或者我是否在扩充之后使用归一化，以便值在 0-1 之间，或者我在两种情况下都使用归一化 - 在扩充之前和之后？
例如，当我使用 Sharpen 时，值不在 0-1 范围内（它们在 -0.5-1.5 范围内变化）。这会影响模型性能吗？如果是，如何？
提前致谢。
基本思想是你的神经网络输入应该在 0 左右，方差为 1。它有助于神经网络的学习过程有一个数学原因。对于树提升等其他算法，情况并非如此。
如果您从头开始训练，归一化类型（最小最大值或其他）不应影响模型性能（除非，例如，与您的其他数据点相比，您的 max/min 值确实非常极端）。
我在我的计算机视觉任务中使用 Albumentations 增强。但是，我不完全理解何时对我的图像使用归一化（我使用最小-最大归一化）。我是否需要在扩充函数之前使用归一化，但值不会在 0-1 之间，或者我是否在扩充之后使用归一化，以便值在 0-1 之间，或者我在两种情况下都使用归一化 - 在扩充之前和之后？
例如，当我使用 Sharpen 时，值不在 0-1 范围内（它们在 -0.5-1.5 范围内变化）。这会影响模型性能吗？如果是，如何？
提前致谢。
基本思想是你的神经网络输入应该在 0 左右，方差为 1。它有助于神经网络的学习过程有一个数学原因。对于树提升等其他算法，情况并非如此。
如果您从头开始训练，归一化类型（最小最大值或其他）不应影响模型性能（除非，例如，与您的其他数据点相比，您的 max/min 值确实非常极端）。