Machine learning 基于Keras预训练模型的图像预处理

我正在尝试微调Keras中的VGG16模型，以用于医学成像应用

因为医学图像是灰度图像，所以我将每个灰度图像复制到RGB通道（3个通道具有相同的灰度图像），以便它们可以用作VGG模型的输入。让我们称它们为“RGB”图像（带引号）

但是，如果我使用

keras.applications.vgg16

中的

preprocess_input

函数对“RGB”图像进行预处理，那么由于

preprocess_input

中的默认模式是'caffe'，它将从每个图像中减去从Imagenet中的训练数据集中计算的平均RGB值[103.939116.779123.68]我创建的“RGB”图像

但是，在我的“RGB”图像中，所有3个RGB通道的平均值应该相同，更重要的是，因为我的是医学图像，所以平均值应该与Imagenet中的不同

因此，在这种情况下，我应该如何预处理我的“RGB”图像，以使用预训练的“Imagenet”权重微调VGG16模型

此外，为了确保在Keras中预训练的“Imagenet”权重是使用在“caffe”模式下预处理的数据进行训练的，对吗