RandomBrightness 层

[源码]

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。在推断时，输出将与输入相同。调用此层时设置 training=True 以调整输入亮度。

请注意，不同的亮度调整因子将应用于批次中的每张图像。

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 2 个浮点数的列表/元组，取值范围在 -1.0 到 1.0 之间。此因子用于确定亮度调整的下限和上限。将在这些限制范围内随机选择一个浮点数值。选择 -1.0 时，输出图像将变为黑色；选择 1.0 时，图像将完全变为白色。仅提供一个浮点数时（例如 0.2），则将使用 -0.2 作为下限，0.2 作为上限。
• value_range：可选的包含 2 个浮点数的列表/元组，表示输入数据值的下限和上限。如需不进行任何更改，请使用 [0.0, 1.0]，例如在通过此层之前已对图像输入进行缩放的情况下。默认为 [0.0, 255.0]。亮度调整将按比例缩放到此范围，输出值将被裁剪到此范围。
• seed：可选的整数，用于固定随机数生成器的行为。

输入：3D (HWC) 或 4D (NHWC) 张量， dtype 为 float 或 int。输入像素值可以是任何范围（例如 [0., 1.) 或 [0, 255]）

输出：根据 factor 调整亮度后的 3D (HWC) 或 4D (NHWC) 张量。默认情况下，该层将输出浮点数。输出值将被裁剪到 [0, 255] 范围（RGB 颜色的有效范围），并根据需要基于 value_range 进行缩放。

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)