daisy潔嬈 - 博客园

2020年3月14日

摘要：卷积神经网络与常规神经网络：输入差异：常规神经网络接受的是单个向量；卷积神经网络架构假设输入的是图像参数数量：常规神经网络中每个神经元与临层神经元全连接。如果对于尺寸大一点的图片所产生的参数量非常巨大。巨大的参数量会导致神经网络过拟合。是一种浪费。而卷积神经网络中，一层的神经元将仅连接到该层之前阅读全文

posted @ 2020-03-14 15:07 daisy潔嬈阅读(156) 评论(0) 推荐(0)

神经网络大杂烩

摘要：完全连接层：两个相邻层之间的神经元完全成对连接，但是单层内的神经元不共享任何连接。、命名约定：当我们说N层神经网络时，不包括输入层。单层神经网络描述的是没有隐藏层的网络。输出层：输出层神经元通常不具有激活功能。通常将最后一个输出层用于表示分类。神经网络的大小：指标：神经元的数量（不包括阅读全文

posted @ 2020-03-14 10:52 daisy潔嬈阅读(139) 评论(0) 推荐(0)

2020年3月13日

线性分类

摘要：线性分类器 f(xi,W,b)=Wxi+b x：图片三维数组转换过来的一个列向量，长度D=宽*高*通道数 k：类别数 w：权重参数，大小[k,D] b：偏差矢量，大小[k.,1] 最终的计算结果（预测值）为一个k行列向量（标签也是一个k行列向量，两者做对比）我们的目标是设置好合适的w，b值，使得计阅读全文

posted @ 2020-03-13 17:17 daisy潔嬈阅读(222) 评论(0) 推荐(0)

最邻近分类

摘要： http://cs231n.github.io/classification/ 图像分类：本质：从一组固定的类别中为输入图像分配一个标签的任务计算机中的图像：对于计算机而言，图像用一个大型的三维数字数组（宽，高，通道）目标：将代表图像的三维数组变成一个单独的标签，例如‘猫’。（图像分类的任务阅读全文

posted @ 2020-03-13 13:03 daisy潔嬈阅读(744) 评论(0) 推荐(0)

2020年2月27日

傅里叶变换

摘要： 1，傅里叶变换是可逆的，图像经过傅里叶变换，逆傅里叶变换后，能够恢复原始图像 2，傅里叶变换的作用，可以在频域对图像进行处理，在频域的处理会反映在逆变换上，高频，低频低频对应图像内变化缓慢的灰度分量。例如，在一幅大草原的图像中，低频对应着广袤的颜色趋于一致的草原高频对应着图像内变化越来越快的灰阅读全文

posted @ 2020-02-27 14:40 daisy潔嬈阅读(391) 评论(0) 推荐(0)

绘制直方图

摘要： 1，直方图横坐标——图像中各个像素的灰度级纵坐标——具有该灰度级像素的个数 2，归一化直方图：横坐标：图像中各个像素的灰度级纵坐标：出现该灰度级的概率 3，参数 DIMS 使用参数的数量（维度） BINS 参数子集的数目（对自变量分组的情况描述） RANGE 统计灰度值的范围，一般为（0~2 阅读全文

posted @ 2020-02-27 11:37 daisy潔嬈阅读(1029) 评论(0) 推荐(0)

2020年2月26日

canny边缘检测

摘要： canny边缘检测的步骤去噪：边缘检测容易受到噪音的影响，要先进行去噪。通常用高斯滤波器进行去噪梯度：对平滑后的图像采用sobel算子计算梯度和方向；梯度的方向一般总与边界垂直；梯度的方向包括四类：垂直，水平，和两个对角线；非极大值抑制：在获得了梯度和方向后，遍历图像，去除所有不是边界的阅读全文

posted @ 2020-02-26 21:12 daisy潔嬈阅读(227) 评论(0) 推荐(0)

图像梯度

摘要：图像有像素组成，像素都是一个一个的数值，我们所能看到的图像的边界都是色彩变化很大的区域。所以当检测某个像素周围的值，值的差异很大，也就是梯度很大时，则可以判定该位置为边界。 1，sobel算子理论基础： x方向的梯度：右边-左边（水平方向找的竖向的边界）：（系数取决于卷积核）如果左右两列差别不大，阅读全文

posted @ 2020-02-26 20:34 daisy潔嬈阅读(1190) 评论(0) 推荐(0)

图像的形态学转换

摘要： 1-图像腐蚀形态学转换主要是针对二值图像（非黑即白）。腐蚀图像的前景色两个输入对象。对象1：二值图像对象2：卷积核：卷积核的中心点逐个扫描原始图像卷积核随着他的中心在扫描的过程中，如果卷积核区域内的像素值都是一致的则图片该位置的像素保持不变；如果卷积核区域内的像素有差异，例如图右边所示阅读全文

posted @ 2020-02-26 16:19 daisy潔嬈阅读(489) 评论(0) 推荐(0)

图片的加法与融合

摘要： 1，图片加法#图片的加法就是矩阵的加法运算，只是矩阵里面的元素值都在（0,255）#numpy图像加法——取模运算=值=图片1+图片2# 如果值<=255,结果等于值；如果值>255,则值取：值%255的余数#opencv加法——饱和运算# 值=cv2.add(图像1，图像2）；如果值<=255, 阅读全文

posted @ 2020-02-26 11:27 daisy潔嬈阅读(362) 评论(0) 推荐(0)