标准差

在使用 深度神经网络推理时，标准差（standard deviation）通常与 均值（mean）一起使用，作为图像预处理的一部分。

标准差的概念和作用

• 数据标准化

  • 除了减去均值之外，还可以将像素值除以标准差，以进一步标准化数据。
  • 这有助于确保每个颜色通道的像素值都具有相似的比例，从而提高模型的稳定性。
  • 完整的标准化操作通常是 (像素值 - 均值) / 标准差。

• 提高模型性能

  • 通过标准化数据，可以减少输入数据的方差，使模型更容易学习和收敛。
  • 这有助于模型更好地泛化，并减少对输入数据中特定亮度或颜色变化的敏感性。

• 匹配模型训练

  • 用于推理的标准差必须与用于训练模型的标准差相匹配。否则，模型的性能可能会显著下降。

子流程

不支持

运行参数

• 图像

待处理的图像。

• 值

每个通道的标准差，默认（0.229, 0.224, 0.225），对应 RGB 格式的图像，并且图像像素已经缩放至 （0~1）。

输出

计算过后的的图像 Image。

脚本调用

import simple;

资源

!> 常见 ImageNet 标准差: 当像素值被缩放到 [0, 1] 范围后，常用的标准差（对应均值 [0.485, 0.456, 0.406]）是 [0.229, 0.224, 0.225] (RGB顺序)