深度學習tensorflow 之 distorted_inputs

cifar10_input.py檔案裡還有個功能強大的函式——distorted_inputs，可以在程式碼中找到其實現。它是針對train資料的，對train資料進行了變形處理，起了一個資料增廣的作用。在資料集比較小、資料量遠遠不夠的情況下，可以對圖片進行翻轉、隨機剪下等操作以增加資料，製作出更多的樣本，提高對圖片的利用率。

該函式的核心程式碼如下：

# Randomly crop a [height, width] section of the image.

distorted_image = tf.random_crop(reshaped_image, [height, width, 3])

# Randomly flip the image horizontally.

distorted_image = tf.image.random_flip_left_right(distorted_image)

# Because these operations are not commutative, consider randomizing

# the order their operation.

distorted_image = tf.image.random_brightness(distorted_image,

max_delta=63)

distorted_image = tf.image.random_contrast(distorted_image,

lower=0.2, upper=1.8)

# Subtract off the mean and divide by the variance of the pixels.

float_image = tf.image.per_image_standardization(distorted_image)

1.  

上述程式碼分別呼叫了不同的函式對圖片進行不同的變換，具體解釋如下：

• tf.random_crop：為圖片隨機裁剪
• tf.image.random_flip_left_right：隨機左右翻轉
• tf.image.random_brightness：隨機亮度變化
• tf.image.random_contrast：隨機對比度變化
• tf.image.per_image_standardization：減去均值畫素，併除以畫素方差（圖片標準化）。