ImageNetの正規化の戻し方

Question

現在ImageNetを用いて機械学習を試みています。
フレームワークとしてはPyTorchを使用しています。

1枚目の画像は

IMAGENET_SIZE = 224
IMAGENET_TRANSFORM = trans.Compose([
    trans.Scale(256),
    trans.CenterCrop(224),
    trans.ToTensor(),
    ])

の変換を行なって表示したものです。
二枚目は
上のものに

IMAGENET_MEAN = [0.485, 0.456, 0.406]
IMAGENET_STD = [0.229, 0.224, 0.225]
trans.Normalize(IMAGENET_MEAN, IMAGENET_STD)

という正規化を施し、

    x = x.mul(torch.FloatTensor(tools.IMAGENET_STD).view(3,1,1))
    x = x.add(torch.FloatTensor(tools.IMAGENET_MEAN).view(3,1,1)).detach().numpy()
    x = np.transpose( x , (1,2,0))
    x = np.clip(x, 0, 1)

で、正規化を元に戻したつもりなのですが、見ての通りうまく戻せていませんでした。

現在pytorch経由でdownloadできなかったため、ほとんどcopyですが、自作しています。以下に添付しておきます。
質問としては、どうすれば正規化したものを元に戻せるのでしょうか？

from __future__ import print_function, division
import numpy as np
import requests, io
from skimage import io, transform
import os
import torch
import pandas as pd
from skimage import io, transform
import numpy as np
from PIL import Image
import scipy.io
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms, utils

# Ignore warnings
import warnings
warnings.filterwarnings("ignore")

def parse_meta(root):
    meta = scipy.io.loadmat(root + "/data/meta.mat")
    original_idx_to_synset = {}
    synset_to_name = {}

    for i in range(1000):
        ilsvrc2012_id = int(meta["synsets"][i,0][0][0][0])
        synset = meta["synsets"][i,0][1][0]
        name = meta["synsets"][i,0][2][0]
        original_idx_to_synset[ilsvrc2012_id] = synset
        synset_to_name[synset] = name

    synset_to_keras_idx = {}
    keras_idx_to_name = {}
    f = open(root + "/data/synset_words.txt","r")
    idx = 0
    for line in f:
        parts = line.split(" ")
        synset_to_keras_idx[parts[0]] = idx
        keras_idx_to_name[idx] = " ".join(parts[1:])
        idx += 1
    f.close()
    def convert_original_idx_to_keras_idx(idx):
        return synset_to_keras_idx[original_idx_to_synset[idx]] 
    f = open(root + "/data/ILSVRC2012_validation_ground_truth.txt", "r")
    y_val = f.read().strip().split("\n")
    y_val = list(map(int, y_val))
    y_val = np.array([convert_original_idx_to_keras_idx(idx) for idx in y_val])
    f.close()
    return y_val

def get_labelname_list():
    y_val = parse_meta('/home/kazuki/workspace/simple-blackbox-attack/image_net/')
    labels_link = "https://savan77.github.io/blog/files/labels.json"    
    labels_json = requests.get(labels_link).json()
    labels_name = {int(idx):label for idx, label in labels_json.items()}
    return labels_name

class ImageNetVal(torch.utils.data.Dataset):
    def __init__(self, root, transform=None):
        self.root = root
        self.transform = transform
        
        self.fns = os.listdir(os.path.join(self.root + "/val/images"))
        self.fns.sort()
        self.fns = [
            self.root +  "val/images/" + fn for fn in self.fns
        ]
        
        self.labels = parse_meta(self.root)
        labels_link = "https://savan77.github.io/blog/files/labels.json"    
        labels_json = requests.get(labels_link).json()
        self.labels_name = {int(idx):label for idx, label in labels_json.items()}
        
       
    def __getitem__(self, idx):
        if torch.is_tensor(idx):
            idx = idx.tolist()
            
        img_name = self.fns[idx]
        img = Image.open(img_name).convert('RGB')
        
        label = self.labels[idx]
      
        if self.transform:
            img = self.transform(img)
        
        sample = {'image' : img, 'label' : label}
        return img, label
        
    def __len__(self):
        return len(self.fns)
    

Answer 1

質問のコードで問題ないと思います。
以下、正規化したあと、戻す処理のみ記載したコードです。

import numpy as np
import matplotlib.pyplot as plt
import torch
from PIL import Image
from torchvision import transforms

IMAGENET_MEAN = [0.485, 0.456, 0.406]
IMAGENET_STD = [0.229, 0.224, 0.225]
IMAGENET_SIZE = 224

transform = transforms.Compose(
    [
        transforms.Resize(256),
        transforms.CenterCrop(IMAGENET_SIZE),
        transforms.ToTensor(),
        transforms.Normalize(IMAGENET_MEAN, IMAGENET_STD),
    ]
)

img = Image.open("sample.jpg")

x = transform(img)
x = x.mul(torch.FloatTensor(IMAGENET_STD).view(3, 1, 1))
x = x.add(torch.FloatTensor(IMAGENET_MEAN).view(3, 1, 1)).detach().numpy()
x = np.transpose(x, (1, 2, 0))
print(x.shape, x.dtype)

plt.imshow(x)
plt.show()

Comments

[spiii]

他のところで間違っているのですね...
ありがとうございます。