为什么Pytorch正式使用mean = [0.485，0.456，0.406]和std = [0.229，0.224，0.225]来规范化图像？

Question

在本页（https://pytorch.org/docs/stable/torchvision/models.html）中，它说：“所有经过预训练的模型都希望输入图像以相同的方式归一化，即形状为（3 x H x W）的3通道RGB图像的微型批次，其中H和W至少应为224。必须将图像加载到[0，1]的范围内，然后使用mean = [0.485, 0.456, 0.406]和std = [0.229, 0.224, 0.225]”进行标准化。

[归一化的通常mean和std应该不是[0.5, 0.5, 0.5]和[0.5, 0.5, 0.5]吗？为什么设置这么奇怪的值？

Answer 1

使用Imagenet的均值和标准差是常见的做法。它们是根据数百万张图像计算得出的。如果要在自己的数据集上从头开始训练，则可以计算新的均值和标准差。否则，建议使用Imagenet预设模型及其平均值和标准差。