随机亮度层

[源代码]

RandomBrightness 类

tf_keras.layers.RandomBrightness(factor, value_range=(0, 255), seed=None, **kwargs)

一个在训练期间随机调整亮度的预处理层。

此层将随机增加/减少输入 RGB 图像的亮度。在推理时，输出将与输入相同。使用 training=True 调用该层以调整输入的亮度。

请注意，批次中的每个图像都会应用不同的亮度调整因子。

有关预处理层的概述和完整列表，请参阅预处理指南。

参数

• factor: 浮点数或包含两个浮点数的列表/元组，范围在 -1.0 到 1.0 之间。该因子用于确定亮度调整的下限和上限。将在限制范围内随机选择一个浮点值。当选择 -1.0 时，输出图像将为黑色，当选择 1.0 时，图像将为全白色。当只提供一个浮点数时，例如 0.2，则 -0.2 将用作下限，0.2 将用作上限。
• value_range: 可选的包含两个浮点数的列表/元组，用于表示输入数据值的上下限。若要保持不变，请使用 [0.0, 1.0]，例如，如果图像输入在此层之前已进行过缩放。默认为 [0.0, 255.0]。亮度调整将缩放至此范围，并且输出值将被裁剪至此范围。
• seed: 可选整数，用于固定 RNG 行为。

输入: 3D (HWC) 或 4D (NHWC) 张量，数据类型为浮点数或整数。输入像素值可以是任何范围（例如 [0., 1.) 或 [0, 255]）。

输出: 3D (HWC) 或 4D (NHWC) 张量，亮度根据 factor 进行调整。默认情况下，该层将输出浮点数。输出值将被裁剪至范围 [0, 255]（RGB 颜色的有效范围），并在需要时根据 value_range 重新缩放。

示例用法

random_bright = tf.keras.layers.RandomBrightness(factor=0.2)

# An image with shape [2, 2, 3]
image = [[[1, 2, 3], [4 ,5 ,6]], [[7, 8, 9], [10, 11, 12]]]

# Assume we randomly select the factor to be 0.1, then it will apply
# 0.1 * 255 to all the channel
output = random_bright(image, training=True)

# output will be int64 with 25.5 added to each channel and round down.
tf.Tensor([[[26.5, 27.5, 28.5]
            [29.5, 30.5, 31.5]]
           [[32.5, 33.5, 34.5]
            [35.5, 36.5, 37.5]]],
          shape=(2, 2, 3), dtype=int64)