tf.image.per_image_standardization

Линейно масштабирует каждый образ в image так, чтобы среднее значение было равно 0, а дисперсия — 1.

tf.image.per_image_standardization(
    image
)

Для каждого 3-мерного изображения x в image, вычисляется (x - mean) / adjusted_stddev, где

• mean — это среднее значение всех значений в x
• adjusted_stddev = max(stddev, 1.0/sqrt(N)) ограничено, чтобы не получить 0 при делении на 0 при обработке однородных изображений
  • N — это количество элементов в x
  • stddev — это стандартное отклонение всех значений в x

Пример использования:

image = tf.constant(np.arange(1, 13, dtype=np.int32), shape=[2, 2, 3])
image # 3-D tensor
<tf.Tensor: shape=(2, 2, 3), dtype=int32, numpy=
array([[[ 1,  2,  3],
        [ 4,  5,  6]],
       [[ 7,  8,  9],
        [10, 11, 12]]], dtype=int32)>
new_image = tf.image.per_image_standardization(image)
new_image # 3-D tensor with mean ~= 0 and variance ~= 1
<tf.Tensor: shape=(2, 2, 3), dtype=float32, numpy=
array([[[-1.593255  , -1.3035723 , -1.0138896 ],
        [-0.7242068 , -0.4345241 , -0.14484136]],
       [[ 0.14484136,  0.4345241 ,  0.7242068 ],
        [ 1.0138896 ,  1.3035723 ,  1.593255  ]]], dtype=float32)>