1. 정규분포
확률 변수 X가 수학적 기대치가 μ이고 분산이 σ2인 정규 분포를 따르는 경우 N(μ, σ2)로 표시됩니다.
확률 밀도 함수는 정규 분포의 기대값 μ가 위치를 결정하고 표준 편차 σ가 분포의 크기를 결정합니다.
2. 표준정규분포
μ=0, σ=1일 때의 정규분포가 표준정규분포이다.
설명과 적용의 용이성을 위해 데이터 변환에 일반 변수가 자주 사용됩니다. 일반 정규 분포를 표준 정규 분포로 변환합니다.
3. 전처리를 정규화하는 이유
훈련을 위해 이미지를 네트워크로 보내기 전에 이미지의 평균값을 빼는 것은 정규화 작업으로 간주됩니다.
이미지는 실제로 고정 분포이며 데이터의 해당 차원의 통계적 평균을 빼서 공통 부분을 제거할 수 있습니다.
개인차와 특성을 강조하기 위해.
4. 이미지넷을 사용하는 이유
Imagenet의 평균과 표준 편차를 사용하는 것이 일반적입니다.
수백만 개의 이미지에서 계산됩니다.
자체 데이터 세트에서 처음부터 훈련하는 경우 새 평균 및 표준 편차를 계산할 수 있습니다. 그렇지 않으면 평균 및 표준 편차가 포함된 Imagenet 사전 설정 모델이 권장됩니다.