我试图重现原始出版物中对ImageNet数据集进行的数据预处理，详见“Deep Residual Learning for Image Recognition”。在他们的论文第3.4节中提到：“我们的ImageNet实现遵循[21, 41]中的做法。图像的短边被随机采样在[256,480]范围内进行尺度增强[41]。从图像或其水平翻转中随机裁剪224×224的区域，并减去每个像素的均值[21]。使用了[21]中的标准颜色增强。”

我已经弄清楚了如何随机裁剪原始图像或其水平翻转，裁剪尺寸为224×224。其余两部分我还没有解决。这两部分是图像的短边被随机采样在[256,480]范围内进行尺度增强和使用了[21]中的标准颜色增强。

对于第一部分，我在torch transforms中找不到“随机调整大小”的功能。对于第二部分，根据[21]的引用，是“对ImageNet训练集中所有RGB像素值进行主成分分析”。请参阅ImageNet Classification with Deep Convolutional Neural Networks中的“数据增强”部分了解详细解释。

我该如何重现这种类型的预处理？

回答：

第一部分需要组合三个变换，RandomChoice，Resize和RandomCrop。

transforms.Compose([transforms.RandomChoice([transforms.Resize(256),                                              transforms.Resize(480)]),                    transforms.RandomCrop(224)                    ])

对于第二部分，这个是你要找的，但官方Pytorch（以及几乎所有其他人）简单地使用这个。

transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

如果你觉得这太简单，标准的Tensorflow预处理只是

x /= 127.5x -= 1.