深度学习tensorflow 之 distorted_inputs

cifar10_input.py文件里还有个功能强大的函数——distorted_inputs，可以在代码中找到其实现。它是针对train数据的，对train数据进行了变形处理，起了一个数据增广的作用。在数据集比较小、数据量远远不够的情况下，可以对图片进行翻转、随机剪切等操作以增加数据，制作出更多的样本，提高对图片的利用率。

该函数的核心代码如下：

# 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.  

上述代码分别调用了不同的函数对图片进行不同的变换，具体解释如下：

• tf.random_crop：为图片随机裁剪
• tf.image.random_flip_left_right：随机左右翻转
• tf.image.random_brightness：随机亮度变化
• tf.image.random_contrast：随机对比度变化
• tf.image.per_image_standardization：减去均值像素，并除以像素方差（图片标准化）。