Компьютерное зрение: вычислить нормализованное значение дескрипторов

Question

Я делаю проект классификации изображений, и я создал корпус функций.

Я хочу, чтобы нормализовать свои функции для ввода PyBrain между -1 до 1, я использую следующую формулу для нормализации функции

Normalized value = (Value - Mean)/Standard Deviation 

но это дает мне нормированному некоторые значения от -3 до 3, что очень неточно.

У меня есть 100 входов в pybrain и 1 выход из pybrain.

Answer 1

Уравнение, которое вы использовали, это стандартизация. Он не гарантирует, что ваши значения находятся в -1; 1, но он пересказывает ваши данные, чтобы иметь среднее значение 0, и стандартное отклонение 1 после. Но точки могут быть более чем на 1x стандартным отклонением от среднего.

Существует несколько вариантов привязки данных.

1. Использование нелинейной функции, такие как tanh (очень популярной в нейронных сетях)
2. центра, а затем масштабировать с 1/max(abs(dev))
3. сохраняет 0, то отмасштабировать с 1/max(abs(dev))
4. 2*(x-min)/(max-min) - 1
5. Стандартизации (как вы это сделали), но усекать значения до -1; +1
6. ... еще

Answer 2

В случае у вас есть положительный набор данных, вы можете нормализовать свои значения, используя эту формулу

Normalized value = (Value/(0.5*Max_Value))-1; 

Это будет давать вам значения с диапазоном [-1, + 1]

В случае, если у вас есть положительный и отрицательный:

Normalized value = ((Normalized - Min_Value)/(Max_Value-Min_Value)-0.5)*2 

Answer 3

может быть, вы можете сделать это:

Mid_value = (Max_value + Min_Value)/2 
Max_difference = (Max_value - Min_Value)/2; 
Normalized_value = (Value - Mid_value)/Max_difference; 

Нормализованная_значение должно быть в пределах [-1, + 1].