我正在尝试微调Keras中的VGG16模型，用于医学成像应用 .
因为医学图像是灰色图像，所以我将每个灰色图像复制到RGB通道（3个通道具有相同的灰色图像），使得它们可以用作VGG模型的输入 . 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 函数预处理"RGB"图像，那么因为 preprocess_input 中的默认模式是'caffe'，它将减去平均RGB值[103.939,116.779,123.68]，这是根据Imagenet中的训练数据集计算的 . ，从我创建的每个"RGB"图像 .
但是，在我的“RGB”图像中，所有3个RGB通道应该具有相同的平均值，更重要的是因为我的是医学图像，平均值应该与Imagenet的平均值不同 .
那么在这种情况下，我应该如何预处理我的“RGB”图像以使用预先训练的“Imagenet”权重微调VGG16模型？
另外，为了确保，Keras中预训练的“Imagenet”权重是使用“caffe”模式预处理的数据进行训练的，对吧？