如何使用 Keras ImageDataGenerator 类标准化图像？

Question

我正在从一篇论文中训练一个网络，该论文的内容如下：

“我们将所有图像的大小调整为 (256, 256) 并通过 RGB 通道的均值和标准差 0.5 对它们进行归一化，然后再将它们传递给各自的网络。”

我使用 ImageDataGenerator 类，然后使用 flow_from_directory() 从训练集图像目录中获取我的图像。

我不知道我需要使用哪种参数组合才能使每个图像最终在每个 RGB 通道中的像素上具有 0.5 的平均值和 0.5 的标准偏差。

我目前的实现如下：

datagen = ImageDataGenerator(rescale=1.0/255.0, samplewise_center=True, samplewise_std_normalization=True,validation_split=0.99)
train_gen = datagen.flow_from_directory(dir_name, classes=['image_train'], batch_size=BATCH_SIZE,
                                       class_mode=None, subset="training")

它似乎正在生成平均值为 0 且像素范围为 -1.7 到 2.3 的图像。

是否可以在不实现我自己的预处理代码的情况下，使用 ImageDataGenerator 类在 RGB 通道上实现均值和标准偏差为 0.5 的输入图像，并严格限制在 0 到 1 的范围内？

Answer 1

如果您真的想要避免将其放入预处理（在我看来这是最简单的方法 - 将 preprocessing_function 添加到 ImageDataGenerator），您可以使用 Multiply 和添加层，缩放（0.5，因为您的 Std 现在是 1）和移动（0.5，因为您的平均值现在是 0） - 请注意，乘法和添加层都要求参数是相同的张量大小，请参阅doc 如何创建任意张量。