Question

我在图像上有一个数据集，我想在将它们馈送到NN之前将它们归一化（-1,1），我该怎么做？

x=sample
#Normalized Data
normalized = (x-min(x))/(max(x)-min(x))

# Histogram of example data and normalized data
par(mfrow=c(1,2))
hist(x,          breaks=10, xlab="Data",            col="lightblue", main="")
hist(normalized, breaks=10, xlab="Normalized Data", col="lightblue", main="")

我在网上找到了此代码，但是由于我有图像数据集，因此无法解决我的问题

Answer 1

假设您的图片img_array是np.array：

normalized_input = (img_array - np.amin(img_array)) / (np.amax(img_array) - np.amin(img_array))

将数据标准化为0到1。

然后，2*normalized_input-1会将其在-1和1之间切换

如果要规范化多个图像，可以使其具有功能：

def normalize_negative_one(img):
    normalized_input = (img - np.amin(img)) / (np.amax(img) - np.amin(img))
    return 2*normalized_input - 1

然后遍历例如列表，称为imgs的图像元组：

for i,img in enumerate(imgs):
    imgs[i] = normalize_negative_one(img)

Answer 2

假设img是图片的名称

import numpy as np
normalized = 2*[(img - img.min()) / (img.max() - img.min())] - 1

应该为您提供介于-1和1之间的归一化图像

如何规范（-1,1）之间的图像集

2 个答案: