输入数据的特征转换

Question

我读到了这个奥托·卡格尔挑战的解决方案，首先，解决方案似乎对输入数据X使用了几个转换，例如日志(X+1)、sqrt( X+ 3/8)等等。对于什么时候将哪种类型的转换应用于各种分类器，有一般的指导原则吗？

我确实理解均值和最小最大归一化的概念。但是，对于上述转换，我的猜测是使用Log和Sqrt压缩数据的动态范围。X轴的偏移就是重新记录数据。然而，在输入不同的分类器时，作者选择了对同一输入X进行不同的归一化处理。有什么想法吗？

Answer 1

这些特定的方法可以是纯启发式的。对于图像，它是相当标准的:将RGB更改为BGR并从每个像素中减去平均值。这被用于所有的竞赛/数据集，如Imagenet，Pascal VOC，MS。原因是网络呈现了一个标准化的数据集，因为所有图像都可能是非常不同的。