轉自：
https://blog.csdn.net/yangdashi888/article/details/79340195
1、caffe使用的mean_是爲了圖像像素值能更接近（0，0）原點，當圖像減掉mean值後的效果圖如下：
2、其中網絡訓練裏的均值可以通過兩種方式設置，第一種：直接設定均值大小，如mean_value:104 。第二種：通過計算均值文件來設定均值大小，其通過mean_file：mymean.binaryproto。來指定均值文件。（個人覺得直接設定均值文件大小進行訓練準確會更高）
其中window版本的caffe中的分類工程代碼裏只能使用mean_file均值文件來指定均值，如果要讓其也能適應直接指定均值，則需要修改代碼。其修改函數是Classifier構造函數裏的代碼，其主要功能就是初始化Mat類型的全局變量mean_。修改代碼如下：
注意：其中的SetMean()函數就是通過均值文件來初始化成員變量mean_。
其中裏面的實現功能是：
注意：其是通過訓練時的均值文件來求每個通道的平均值，然後合併成一個三通道的Mat對象，然後再初始化成一個224*224大小的圖像。用於識別前的圖像預處理。
3、原始圖像在進行識別前的預處理的前後過程：
處理前
注意： caffe減掉均值前的圖像值，其中的mean_是對均值文件的每個通道進行求平均值，然後把平均值變化成一幅均值圖,但這裏進行跟蹤內存時發現值不對,這個可能是應爲跟蹤的方式不對，實際上只有【114,119,122】
處理後
注意：減掉通過均值文件計算出的均值後的結果
4、不同的均值大小對於同一個網絡權重的影響：
a、三通道值相同的識別的準確率：
注意：其中識別的準確率基本沒有改變。
注意：識別準確率也基本也沒有改變。
注意：但是對於通道值不同的值後其對識別準確率影響很大。
注意：通過測試預處理的通道值對識別準確率的影響率可以得出在識別的的時候通道均值要跟訓練的均值大小一致。所以對於通過均值文件訓練的網絡的準確率沒有直接指定均值的準確。