¿Por qué la media de una imagen puede mejorar la precisión de detección en el aprendizaje automático?

Answer 1

por ejemplo PCA: análisis de componentes de principio
necesitas representar tu imagen por código (características importantes) y esto hecho por
reste la media de cada variable del conjunto de datos para centrar los datos alrededor del origen. Luego, calcule la matriz de covarianza de los datos y calcule los valores propios y los vectores propios correspondientes de esta matriz de covarianza. Luego, debe ortogonalizar el conjunto de vectores propios y normalizar cada uno para que se convierta en vectores unitarios. Una vez hecho esto, cada uno de los vectores propios de unidades ortogonales se puede interpretar como un eje del elipsoide ajustado a los datos. La proporción de la varianza que representa cada vector propio puede calcularse dividiendo el valor propio correspondiente a ese vector propio por la suma de todos los valores propios.
Es importante tener en cuenta que este procedimiento es sensible a la escala de los datos y que no existe un consenso sobre cómo escalar mejor los datos para obtener resultados óptimos.

Answer 2

Gracias por la A2A.
Hacer que todas las imágenes tengan una media cero es una normalización de brillo. En otras palabras, las imágenes que son iguales, excepto un cambio en el brillo, ahora se considerarán idénticas.
Es fácil ver cómo esto mejora la precisión de detección, ya que el algoritmo ahora sabe que esas imágenes son iguales.