像素归一化

像素归一化指的是把图像像素值调整到特定范围的操作。像素归一化在图像处理和机器学习领域十分重要，像在深度学习模型输入时，为了让模型更稳定地学习，通常需要将图像像素值归一化到 [0, 1] 或者 [-1, 1] 范围。

像素归一化的概念和作用

• 数据缩放

  • 深度神经网络通常对输入数据的范围很敏感。像素归一化可以将像素值从其原始范围（通常是 [0, 255]）缩放到一个更小的范围，从而提高模型的稳定性和性能。

• 提高模型性能

  • 通过将像素值归一化，可以减少输入数据的方差，使模型更容易学习和收敛。
  • 这有助于模型更好地泛化，并减少对输入数据中特定亮度或颜色变化的敏感性。

• 匹配模型训练

  • 用于推理的像素归一化方法必须与用于训练模型的像素归一化方法相匹配。否则，模型的性能可能会显著下降。

子流程

不支持

运行参数

• 图像

待处理的图像。

• 比例

缩放比例因子，默认1 / 255.0）=0.003921568627451。大多数时候，作为模型输入时，通常需要将图像像素值缩小到 0~1的浮点数，而不是 0~255 之间的整数。

输出

归一化后的图像，参考： Image。

脚本调用

import simple;

资源