Tensorflow 2.0 CNN 训练：图像增强功能将像素值移动到 [0, 1] 范围之外。这是一个问题吗？

Question

我正在研究我的特定数据增强功能，以在 TensorFlow 2.0 中训练 CNN。我使用的图像数据存储在numpy 多维RGB 数组中；它的所有像素值都是 [0, 1] 范围内的浮点数。

在使用函数 tensorflow.image.random_brightness (documentation) 时，我发现它的像素值超出了 [0, 1] 范围（高于或低于）。当我尝试使用 matplotlib.pyplot.imshow() 将它们可视化时，我收到以下消息：

使用 RGB 数据将输入数据剪切到 imshow 的有效范围 （[0..1] 表示浮点数或 [0..255] 表示整数）。

我还发现，当我尝试重新规范化该范围内的数据时，图像会恢复到原来的样子（使整个过程变得毫无用处）。

[0, 1] 范围之外的像素值是否是 CNN 训练的问题？如果这代表一个问题，我该怎么做才能使像素值在正确的范围内，而不放弃调整亮度？

Answer 1

是的，这是一个问题，因为您在 0-1 中表示 0-255 中的东西，因此当您向 CNN 提供大于 1 的值时，您正在向 CNN 提供它在真实场景。

应用随机亮度是可以的，但您应该使用tf.clip_by_value 函数处理溢出问题：

image = tf.clip_by_value(image, clip_value_min=0., clip_value_max=1.)