Tensorflow训练中图像规范化的正确途径

Question

我想对预处理中的图像进行规范化处理。现在我知道了两种常见的方法：

# 1. min-max
min_, max_ = tf.reduce_min(image), tf.reduce_max(image)
image = (image - min_) / (max_ - min_) + min_

# standardization
image = tf.image.per_image_standardization(image)

不过，我还是想知道

，

• ，如果我需要在除上面操作之外的[-1, 1]中进一步规范它？我读到这样的错误对训练也有好处。从泛化的角度来看，
• ，我们真的需要像per_image_standardization这样的操作吗？我的意思是，神经网络不会学会自己适应这种环境吗？

Answer 1

据我所知，在将图像规范化到一定范围内时，使用上述方法是比较少见的。

import tensorflow as tf

image_path = '/path/to/image'
image_byte = tf.io.read_file(image_path)
image = tf.io.decode_jpeg(image_byte)

# Normalize image
img_norm_0_to_1 = tf.cast(image, tf.float32) / 255. # [0 - 1] range
img_norm_neg1_to_1 = (tf.cast(image, tf.float32) / 127.5) - 1.0 # [-1 to 1] range