RandomBrightness 层

[源代码]

RandomBrightness 类

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。调用该层时使用 training=True 可调整输入的亮度。

注意：该层可以在 tf.data 或 grain 管道中使用（无论您使用的是哪个后端），且是安全的。

参数

• factor: 浮点数或一个介于 -1.0 和 1.0 之间的 2 个浮点数的列表/元组。该因子用于确定亮度调整的下限和上限。将随机选择一个介于这两个限制之间的浮点数。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。当仅提供一个浮点数时，例如 0.2，则 -0.2 将用作下限，0.2 将用作上限。
• value_range: 输入数据值的可选的 2 个浮点数的列表/元组，表示下限和上限。要进行无更改，请使用 [0.0, 1.0]，例如，如果图像输入在此层之前已进行缩放。默认为 [0.0, 255.0]。亮度调整将缩放到此范围，并且输出值将被裁剪到此范围。
• seed: 可选整数，用于固定的 RNG 行为。

输入：3D (HWC) 或 4D (NHWC) 张量，具有浮点数或整数 dtype。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，其亮度根据 factor 进行调整。默认情况下，该层将输出浮点数。输出值将被裁剪到 [0, 255] 的范围，即 RGB 颜色的有效范围，并且如果需要，将根据 value_range 进行重缩放。

示例

random_bright = 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.
```python
>>> array([[[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)

```