标准化图像以在 Tensorflow 中进行训练的正确方法

Question

我想在预处理中标准化图像。现在我知道了两种常用的方法：

# 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

• 如果我需要在上述操作旁边的[-1, 1] 内进一步规范化它？我读到这对训练也有好处。
• 从泛化的角度来看，我们真的需要per_image_standardization这样的操作吗？我的意思是，神经网络不会自己学会适应这种环境吗？

Answer 1

据我所知，在将图像标准化到某个范围时，使用上述方法很少见，更常见的是这样

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