在Tensorflow中将tf.image.per_image_standardization()应用于batch_norm层的好处？

Question

在深度神经网络的第一层应用tf.image.per_image_standardization()，优于，添加Batch_Norm layer作为第一层有什么好处？

在输入网络之前，为了规范0.0,255.0浮点值图像像素，哪种方法比较合适？

1. tf.image.per_image_standardization()
2. Batch_Norm层

Answer 1

它们都做类似的事情，而且确实可以使用批处理规范来规范输入图像。

然而，我不会为此目的使用批处理规范：

• 与批处理规范相比，用tf.image.per_image_standardization进行图像归一化处理更为清晰。
• 批归一化是一个比每通道规范化更广泛的概念.像tensorflow这样的库允许您沿着任意轴进行规范化。
• 批规范化通常与用于规范化的均值和方差的流统计信息配对，用于测试和部署。当您对每个样本的输入图像进行规范化时，不需要这些统计数据。