坐标归一化

Question

坐标归一化

Crispus1119 opened this issue 5 years ago · 5 comments

您好，我想问一下坐标归一化是什么意思

Answer 1 · 2019-12-29T02:09:08.000Z

坐标值除图像的高度宽度，值的范围变为0～1之间 | | 易作天 | | 邮箱：csuyzt@163.com | 签名由网易邮箱大师定制在2019年12月29日 05:57，Crispus1119 写道：您好，我想问一下坐标归一化是什么意思 — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub, or unsubscribe.

Answer 2 · 2019-12-29T02:19:42.000Z

谢谢您的回答，试图读您的源码，但是对
# 坐标归一化 rois /= tf.constant(self.image_max_dim, dtype=tf.float32)
这句不解，为什么要对回归值除以？看了遍论文都么有对应的解释。很不解，如果可以的话希望您能详细的解释下这句代码，十分感谢！

Answer 3 · 2019-12-29T02:23:13.000Z

@Crispus1119您好， tf.image.crop_and_resize的boxes参数接受的是归一化后的边框坐标。

Answer 4 · 2019-12-29T06:01:45.000Z

感谢回复，
# RPN和RCNN网络边框回归标准差 RPN_BBOX_STD_DEV = np.array([0.1, 0.1, 0.2, 0.2]) BBOX_STD_DEV = np.array([0.1, 0.1, 0.2, 0.2])
还有最后一个问题想问您，这些是如何得到的和标准化会起到什么样的作用。谢谢！！！

Answer 5 · 2019-12-29T06:38:21.000Z

@Crispus1119 标准差是一个经验值；标准化有两个作用,一个加速训练,二是让网络更易训练;如以下两个情况;
a) 回归的目标值都很小如:-0.1~0.1直接;那么梯度必然也小;训练自然慢
b) 回归的目标的两个值一个很小如~0.1~0.1,一个很大如-1000~1000；这样的值范围差距很大的情况；一般机器学习都要做标准化;所谓标准化就是减去均值再除以标准差。