蛋白会使面膜正常化吗？

Question

当我将image和mask传递给albumentations.Normalize(mean, std)时。

我该如何合并它呢？我应该在数据集中手动添加它吗？

感谢你的任何建议！

Answer 1

编辑：

归一化适用于三通道图像。如果你的蒙版图像是灰度图像，那么你可能需要stack(image= np.stack((img,)*3, axis=-1))它并制作三个通道的图像，然后应用albumentations的归一化函数。A.Normalize()的官方函数如下所示，用于处理RGB图像：

def normalize(img, mean, std, max_pixel_value=255.0):
    mean = np.array(mean, dtype=np.float32)
    mean *= max_pixel_value

    std = np.array(std, dtype=np.float32)
    std *= max_pixel_value

    denominator = np.reciprocal(std, dtype=np.float32)

    img = img.astype(np.float32)
    img -= mean
    img *= denominator
    return img

根据Albumentations的docs，您可以生成转换的组合并在PyTorch数据集中使用它。

import albumentations as A
from albumentations.pytorch import ToTensorV2

train_transform = A.Compose(
    [
        A.SmallestMaxSize(max_size=160),
        A.ShiftScaleRotate(shift_limit=0.05, scale_limit=0.05, rotate_limit=15, p=0.5),
        A.RandomCrop(height=128, width=128),
        A.RGBShift(r_shift_limit=15, g_shift_limit=15, b_shift_limit=15, p=0.5),
        A.RandomBrightnessContrast(p=0.5),
        A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
        ToTensorV2(),
    ]
)
train_dataset = CatsVsDogsDataset(images_filepaths=train_images_filepaths, transform=train_transform)

​

​

但我真的不确定规范化蒙版图像是正确的还是错误的。