OpenExplorer
地平线官网
地平线智能汽车开发者社区
地平线官网
地平线智能汽车开发者社区
中文

norm_type配置说明

参数说明解析

norm_type 参数讲解

  • 参数作用：此参数为在模型中添加的输入数据预处理方法。

  • 参数取值范围及说明：

    • no_preprocess 表示不添加任何数据预处理。

    • data_mean 表示提供减均值预处理。

    • data_scale 表示提供乘scale系数预处理。

    • data_mean_and_scale 表示提供先减均值再乘scale系数前处理。

注意

当输入节点多于一个时，设置的节点顺序需要与 input_name中的顺序严格保持一致。

mean_value 参数讲解

  • 参数作用：此参数表示指定预处理方法的图像减去的均值。

  • 使用说明：当 norm_type 取值为 data_mean_and_scale 或 data_mean 时需要配置该参数。

  • 参数说明：

    • 当只有一个输入节点时，仅需要配置一个数值，表示所有通道都减去这个均值。

    • 当有多个节点时，提供与通道数量一致的数值（这些数值以空格分隔开），表示每个通道都会减去不同的均值。

注意

  1. 配置的输入节点数量必须与 norm_type 配置的节点数量一致。

  2. 如果存在某个节点不需要 mean 处理，则为该节点配置 'None'。

scale_value 参数讲解

  • 参数作用：此参数表示指定预处理方法的数值scale系数。

  • 使用说明：当 norm_type 取值为 data_mean_and_scale 或 data_scale 时需要配置该参数。

  • 参数说明：

    • 当只有一个输入节点时，仅需要配置一个数值，表示所有通道都乘以这个系数。

    • 当有多个节点时，提供与通道数量一致的数值（这些数值以空格分隔开），表示每个通道都会乘以不同的系数。

注意

  1. 配置的输入节点数量必须与 norm_type 配置的节点数量一致。

  2. 如果存在某个节点不需要 scale 处理，则为该节点配置 'None'。

计算公式及示例说明

下方结合模型训练时的数据标准化处理计算公式为您进行介绍：

yaml文件中的mean和scale参数与训练时的mean、std需要进行换算。

预处理节点中数据标准化操作的计算方式为： norm_data=(data−mean)∗scalenorm\_data = ( data - mean ) * scale 。

以yolov3为例，其训练时的预处理代码为：

def base_transform(image, size, mean, std): x = cv2.resize(image, (size, size).astype(np.float32)) x /= 255 x -= mean x /= std return x class BaseTransform: def __init__(self, size, mean=(0.406, 0.456, 0.485), std=(0.225, 0.224, 0.229)): self.size = size self.mean = np.array(mean, dtype=np.float32) self.std = np.array(std, dtype=np.float32)

则计算公式为：norm_data=(data255−mean)∗1stdnorm\_data= (\frac{data}{255}-mean) * \frac{1}{std}。

改写为预处理节点的计算方式： norm_data=(data255−mean)∗1std=(data−255∗mean)∗1255∗stdnorm\_data= (\frac{data}{255}-mean) * \frac{1}{std} =(data-255*mean) * \frac{1}{255*std}，

则： mean_yaml=255∗mean、scale_yaml=1255∗stdmean\_yaml = 255*mean、scale\_yaml = \frac{1}{255*std} 。