среднему и СКО или по каждому изображению можно отдельно нормализовать?
самое простое /255. Но специфические способы нормализации, в зависимости от данных, могут дать небольшое улучшение. Но если не кагл и не удобно, я бы делал /255.
почему не Z-norm?
Потому что https://rgb.to/rgb/255,255,255
потому что оно не самое простое В отдельных случаях надо сравнивать результаты
нейросети же пофигу вообще. я сейчас о классификаторе
Ну, нет, всё же лучше нормализовать данные разными методами, чем не нормализовать. Чтобы не было всяких взрывов градиентов и тому подобного (но я в нейросетках не специалист).
подразумевается не самое простое в каком смысле?
Ну, вот, у вас есть матрица. Вы будете Z-преобразование как делать? По строкам? По столбцам? Сразу по всем значениям?
/255 никак не привязано к распределению данных и легко обратимо
если я не ошибаюсь я видел то, что для всех распределений делают Z нормализацию
ну можно пойти еще дальше, если требуется именно нормализация внутрисэмпловая и перейти от наивной версии к робастной, но для картинок, на мой взгляд, это не оправдано. Хорошо работает для таймсерис такой подход, достаточно удобно внутрисэмплово делать, если именно если паттерн формы сигнала интересует https://arxiv.org/pdf/2006.11007.pdf
можно, но по факту это показатели нормального распределения, и мы просто предполагаем, что наше распределение взято из него
ну это же не оправдано, я еще не видел изображений нормально распределенных
фотки с обработкой, гаусов шум там прёт отовсюду )
там так не будет. Если бы константное изображение было везде, тогда да. будет смещение на константу изображения. а изображение само как то распределено, может быть например двумодально по релею например и получится распределение гаус + релей
вот, в том и подвох)
Обсуждают сегодня