컨벌루션 뉴럴 네트워크를위한 이미지 전처리

Question

나는 *.png 파일을 가지고 있으며 컨볼 루션 신경 네트워크의 컨텍스트에서 이미지를 one-hot 인코딩으로 변환하려고합니다.

1. 내 이미지는 224x224입니다. 많은 온라인 레퍼런스를 검색했지만 이미지를 한 번의 핫 인코딩으로 변환하는 방법을 알아 내지 못했습니다. 행 단위 또는 행 단위로 행을 추가합니까? 편도가 다른 편보다 낫습니까?
2. 한 번 핫 인코딩 된 벡터를 만들면 벡터의 각 값을 256 (RGB의 최대 값)으로 나눈 것과 같은 정규화 작업이 적용됩니다. 이렇게하면 숫자가 날아 들고 오버플로가 발생하지 않습니다. 그러나이 값에서 0.5을 뺀 것을 볼 수 있습니다. 왜 이런거야? 이렇게하면 [-0.5, 0.5] 사이의 값 범위가 효과적으로 지정됩니다. 그러나 대부분의 convnets에서 ReLU 레이어가 적용되어 이러한 모든 값이 0 이상이됩니다. 그래서, 왜 이런 일이 일어나는지 혼란 스럽습니다.
3. 마지막으로 이미지를 한 번 핫 인코딩 된 벡터로 변환하면 편향 용어를 추가 할 수 있습니까? 한 번 핫 인코딩 된 벡터의 앞이나 뒤쪽에 추가합니까?이 값은 정확히 무엇입니까? 벡터의 정규화를 감안할 때, 나는 보통 벡터의 앞부분에 추가 된 바이어스 용어가 1 인 것을 보았습니다. 그러나 왜 우리는 1을 선택하고 대개 앞에 붙이는 이유는 무엇입니까?

Answer 1

1. 나는 당신이 인코딩 된 표현을 onehot 할 이미지를 변환하는 생각 때문에 당신이 혼합지고 추측입니다 :) 나는 통계에 대한 질문의 일부를 대답 stackexchange 생각합니다. 그건 어떻게 작동하지 않습니다. 하나의 핫 인코딩은 레이블에 관한 것일 뿐이므로 위 이미지에서 이미지를 변환 할 필요가 없습니다.
2. 다시 한번 혼란 스럽지만 (한 번 읽어보기 만하면됩니다) . 이미지 (이 경우 전처리)를 처리합니다. 정규화는 다양한 유형이 될 수 있습니다. 심층적 인 학습을 위해서는 평균이 0이고 표준 편차가 1이되도록 정규화하는 것이 일반적입니다. (-0.5, 0.5)로 정규화하지는 않았지만 ReLU에 대한 질문에 답변했습니다. ReLU는 비선형 성을 가져다 줄 것입니다. 깊은 학습 (특히 역 전파)에 대해 더 많이 읽는다면 더 좋을 것입니다.
3. 다시 학습을 혼란스럽게합니다. 훈련 과정에서 편향 용어가 추가됩니다.이 질문을하기 때문에 신경 네트워크에 읽어해야합니다.

이 간단한 튜토리얼 재생 목록이 깊은 학습을 이해하는 나에게 많은 도움이 당신이 너무 도움이되기를 바랍니다! 이것 좀 봐

Neural network tutorial 학습에 당신에게 행운을 빌어 :)