cherry1307的博客

翻译 D-HAZY :一个用于定量评估去雾算法的数据集

原文摘要去雾处理是近年出现的一种图像增强技术。尽管它很重要，但是没有数据集来定量评估这些技术。在本文中，我们介绍了一个包含1400多对图像的数据集，这些图像包含地面真实参考图像和同一场景的模糊图像。由于光照条件的变化，记录这样的图像是不可行的，我们通过合成复杂场景的真实图像中的雾度来建立数据集。我们的数据集被称为D - HAZY，是建立在Middelbury [1]和NYU Depth [2]...

原创 吴恩达神经网络与深度学习——深度神经网络习题4：构建DNN架构

吴恩达神经网络与深度学习——深度神经网络习题4构建DNN包作业大纲初始化2层NNL层NN前向传播2层NN线性部分激活函数线性+激活函数L层NN代价函数反向传播线性部分激活函数+线性部分构建DNNa^[l]:第l层的激活函数w^[l]，b^[l]:第l层的参数x^(i):第i个训练样本a^[l]_i：第l层第i个神经元的激活函数包numpymatplotlibdnn_utils...

转载 FPGA——fifo 以及几个信号的理解

Altera provides FIFO functions through the parameterizable single-clock FIFO(SCFIFO) and dual-clock FIFO (DCFIFO) megafunctions用Quartus II的MegaFunction中的FIFO时，通常会用到wrusedw或rdusedw这两个信号，前者标志当前FIFO已经被...

原创 Investigating haze-relevant features in a learning framework for image dehazing

原创 色调差异——A fast semiinverse approach to detect and remove the haze from a single image

原创 颜色衰减先验——A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior

原创 最大化局部对比度——Visibility in bad weather from a single image

局部对比度最大化原理估计大气光值算法

原创 暗通道先验——Single Image Haze Removal Using Dark Channel Prior

大气散射模型暗通道先验大气光值A的估计图像复原from PIL import Imageimport cv2;import math;import numpy as np;import osdef DarkChannel(im,sz): b,g,r = cv2.split(im)#通道拆分 dc = cv2.min(cv2.min(r,g),b);#取...

原创 FPGA——SDRAM+UART

设计要求：通过UART串口向sdram中写入突发长度个数据后读出并通过串口显示。串口接收模块的使能信号uart_rx_en受初始化完成信号sdr_init_done控制，只有sdram初始化完成后，才可以对写fifo进行写操作。uart_rx_en=1后，串口接收模块接收从pc端发送的数据，接受完成后将rxd_flag拉高。数据缓存模块的使能信号为rxd_flag，rxd_flag=1时，接...

原创 FPGA——UART串口通信2

设计要求从PC的串口调试助手上发送32bit数据到FPGA，FPGA接收到数据以后把接收的数据返回给串口调试助手显示115200bps，32bit顶层架构比特率产生模块和数据接收模块参考UART串口收发的原理与Verilog实现 代码数据缓存模块rxd_flag为数据接收模块数据接收完成信号，每一个8bit数据接收完成的同时，rxd_flag拉高，所以，在数据缓存模块，检测rxd_...

原创 FPGA——UART通信1

串行通信处理器鱼外部设备通信的两种方式：并行通信，串行通信并行通信：传输速度快，占用引脚资源多串行通信：传输速度慢，占用引脚资源少，通信电路简单串行通信的通信方式：同步通信核异步通信同步通信：带时钟同步信号的数据传输，发送方和接收方在同一时钟的控制下，同步传输数据异步通信：不带时钟同步信号的数据传输，发送方和接收方使用各自的时钟控制数据的发送和接收过程常见的串行通信接...

原创 FPGA——SD卡控制器3

硬件设计向sd卡指定扇区地址写入512个字节数据，写完后读出，并验证读出数据是否正确。系统框图sd卡控制器SD卡初始化

原创 FPGA——SD卡控制器2

SPI模式下SD卡控制器SPI模式SPI：串行外围设备接口，是一种高速、全双工、同步的数据总线。在芯片管脚上只占有4根线。SD卡 初始化1.初始化供电电压：上电后，经过至少74个clk，期间sd_cs=1;sd_mosi=1；2.发送CMD0：进入IDLE状态，期间sd_cs=0；3.等待sd卡返回响应（R1）:sd卡响应后，再等待8个clk再拉高sd_cs，判断响应数据。如果返回...

原创 FPGA——SD卡控制器1

sd卡简介sd卡（secure digital card），安全数码存储卡。是从MMC（多媒体卡）的基础上发展而来的，增加了更高的安全性和更快的读写速度。目前已经成为消费数码产品设备中最广泛的一种存储卡。特点：体积小，传输速度快，容量大，支持热插拔基于flash结构，所以可以断电保存数据sd卡 = 卡套 + Miscro sd卡sd卡有9个引脚，TF卡有8个引脚，MMC卡有七个引脚。...

原创 FPGA——sdram控制器2

硬件设计向sdram中写入1024个数据，从SDRAM的起始地址开始写，写完后读出sdram总容量：8MX16X4bank8M指1个L-bank存储单元的数目:8X1024X102416指sdram的数据位宽4bank指L-bank的数目系统框图sdram控制器初始化状态图工作状态图...

原创 FPGA——sdram控制器1

简介SDRAM:Synchronous Dynamic Random Access Memory同步动态随机存储器优点： 空间存储量大 读写速度快 价格相对便宜缺点： 控制逻辑复杂sdram引脚端口信号名端口说明sdr_clksdram时钟sdr_ckesdram时钟使能sdr_cs_nsdram片选sdr_ras_nsdra...

原创 Verilog —— 四级流水方式的八位全加器

module Four_Adder(out,ina,inb,cin,cout,clk); input[7:0] ina,inb; input cin,clk; output [7:0]out; output cout; reg [7:0]out; reg cout; reg[7:0] tempa,tempb,tempci; reg[5:0] rega1; reg[5:0] reg...

原创 verilog——对串行输入的数据流进行检测。只要发现10010序列，就立即输出高电平。

module seqdet(x,z,clk,rst_n);input clk,rst_n;input x;output z;reg z;reg [2:0] pstate,nstate;parameter s1=3'd0, s2=3'd1, s3=3'd2, s4=3'd3, s5=3'd4, ...

原创 verilog —— 四位串并转换器

#四位串并转换器module serial_pal( //四位串并转换程序 clk,en,rst, in,out ); input cin,clk,en,rst;output[3:0] out;reg[3:0] out;always @ (posedge clk or negedge rst) begin if(!...

原创 verilog——奇偶校验位

#奇偶校验位module parity(bus,odd,even);input [7:0] bus;output odd;output even;assign odd = ^bus;assign even = ~odd;endmodule #模10加法计数器module count10(cout,qout,rst_n,clk);input clk,rst_n;outpu...

原创 python——原码转补码

#原码转化为补码def true2complement(str_bin): str_new = "" flag = True if str_bin[0] == "0": complement = str_bin else: for i in str_bin[1:]: if i == "0":...

原创 python——十进制浮点与有符号16位定点相互转化

#将十进制浮点转化为二进制定点原码S12def float2fix(f,int_bit = 3,decimal_bit = 12 ): bit_num = int_bit + decimal_bit + 1 prec = 1 / 2 ** decimal_bit #精度 decimal_max = (2**12-1)*prec num_max = 2**int_...

原创 python——创建mif文件

from PIL import Imageimport numpy as npfrom float2hex import *import osdef make_mif(file_path = "/home/chenrui/hardware"): img_pil = Image.open("resize_img.png") w,h = img_pil.size img...

原创 python——IEEE754数据十六进制数与浮点数互相转化

import structimport ctypesdef float_to_hex(f): return hex(struct.unpack('<I', struct.pack('<f', f))[0])def float2hex(s): fp = ctypes.pointer(ctypes.c_float(s)) cp = ctypes.cast(fp...

原创 python—— opcv cv2.reszie()

cv2.reszie(src, dsize[, dst[, fx[, fy[, interpolation]]]])scr : 原图dsize ： resize的尺寸（h,w）interpolation: 插值方法 img = cv2.imread("/home/chenrui/hardware/tree2.png") print(img.shape) img_res...

原创 python——opcv 图像显示

读取图像cv2.imread(path)两个参数第一个参数为图像地址第二个参数为标志，即指定读取图像的方式cv2.IMREAD_COLOR：加载彩色图像。默认标志，用1表示cv2.IMREAD_GRAYSCALE：以灰度模式加载图像，用0表示cv2.IMREAD_UNCHANGED：加载包含alpha通道的图像，用-1表示阿尔法通道（Alpha Channel）是指一张图片的透明和...

原创 Single Image Dehazing via Conditional Generative Adversarial Network

原文贡献提出了一种基于条件生成对抗神经网络的去雾网络生成网络采用编码器——解码器的结构，以捕获更多有用信息新的损失函数，包括：合成包括室内和室外的有雾图像数据集。生成网络的结构生成网络是输入有雾图像生成清晰图像，因此不仅要保留图像的结构和细节还要去雾。受ResNet和U-Net启发，在生成网络由编码器和解码器组成，使用对称层的跳过连接(skip connection)来突破解码...

原创 python——lambda函数

lambda 函数是一种快速定义单行的最小函数，对于实现简单功能的函数来说，使用lambda函数来定义更加精简灵活，还可以直接把函数赋值给一个变量，用变量名来表示函数名。注意：lambda 函数可以接收任意多个参数 (包括可选参数) 并且返回单个表达式的值。 lambda 函数不能包含命令，包含的表达式不能超过一个。...

原创 CNN图像处理常用损失函数

L1损失函数定义导数L1范数不会过度惩罚大错误L2损失函数定义导数L2对较大误差的惩罚力度更大，而对较小误差更为容忍。L1，L2误差缺陷：假定噪声的影响和图像的局部特性是独立的。然而，人类的视觉系统对噪声的感知受局部照度、对比、结构的影响。假定噪声接近高斯白噪声，然而这一假定并不总是成立。SSIM损失函数人眼对结构（structure）信息很敏感，对高亮度区域（lu...

原创 SSIM（结构相似性）

SSIM可以抵消MSE无法衡量图像结构相似性的缺陷。定义：其中：α、β、γ均大于0上式中，μ_x，μ_y为图像块所有像素；δ_x,δ_y为图像像素值的方差；δ_xy为x与y的协方差；C_1，C_2，C_3为常数，为避免分母为0时带来的系统错误。在实际应用中，α=β=γ=1，C_3= 0.5C_2，则SSIM表达式为：...

原创 PAD-Net: A Perception-Aided Single Image Dehazing Network

摘要： 在这项工作中，我们研究了在训练端到端去雾神经网络时用感知导出的损失函数（SSIM，MS-SSIM等）替换L2损失的可能性。客观实验结果表明，与现有技术的端到端去雾神经网络（AOD-Net）使用L2损失相比，通过仅改变损失函数，我们可以在RESIDE数据集中设置的SOTS上获得显着更高的PSNR和SSIM分数。我们获得的最佳PSNR为23.50（相对改善率为4.2％），我们获得的最佳SSIM...

原创 AOD-NET：An All-in-One Network for Dehazing and Beyond

原文pdf摘要本文提出了一种基于卷积神经网络（CNN）的图像去雾模型，称为AOD-Net。它是基于重新变形的大气散射模型设计的。AOD-Net不是像大多数先前模型那样分别估算传输图和大气光值，而是通过轻量级CNN直接生成去雾后的图像。这种新颖的端到端设计使得将AOD-Net更容易嵌入其他深度模型（例如，faster R-CNN）中，改善对有雾图像的高级任务性能。在合成和自然有雾图像数据集上的实...

原创 python——range、xrange

range([start], stop[, step]): 根据start与stop指定的范围以及step设定的步长，生成一个列表xrange([start], stop[, step]): 和range 的用法完全相同，但是返回的是一个生成器...

原创 tensorflow——tf.summary()

tf.summary.scalar(name, tensor, collections=None, family=None)参数name:生成节点的名字，也会作为TensorBoard中的系列的名字。tensor:包含一个值的实数Tensor。collection：图的集合键值的可选列表。新的求和op被添加到这个集合中。缺省为[GraphKeys.SUMMARIES]family:可选项...

原创 tensorflow—— tf.ConfigProto()

tf.GraphKeys.UPDATE_OPS关于tf.GraphKeys.UPDATE_OPS，这是一个tensorflow的计算图中内置的一个集合，其中会保存一些需要在训练操作之前完成的操作，并配合tf.control_dependencies函数使用。tf.control_dependencies首先我们先介绍tf.control_dependencies，该函数保证其辖域中的操作必须...

原创 tensorflow——常用损失函数

交叉熵损失函数（cross entropy）分类问题中使用比较广的一种损失函数。刻画两个概率分布之间的距离。给定两个概率分布p和q,通过q来表示p的交叉熵为：在tensorflow中交叉熵，实现代码1：cross_entropy= -tf.reduce_mean(y_*tf.log(tf.clip_by_value(y,1e-10,1.0)))其中，y_表示预测值，y表示实际输出。...

翻译 基于深度神经网络的雾天退化场景图像可见性增强——Farhan Hussain and Jechang Jeong

基于深层神经网络的雾天降级场景图像可见性增强摘要摘要如今，许多基于摄像头的高级驾驶员辅助系统( ADAS )已经被引入来帮助驾驶员，并确保他们在各种驾驶条件下的安全。驾驶员面临的一个问题是雾天驾驶时场景能见度下降，对比度降低。在本文，我们提出了一种新的方法，通过使用深度神经网络来解决这个问题。...

原创 吴恩达改善深层神经网络参数：超参数调试、正则化以及优化——深度学习的实用层面作业

初始化0初始化def zeros_initializations(layer_dims):&amp;amp;quot;&amp;amp;quot;&amp;amp;quot; argu: input: layer_dims:a list the size of each layer output: parameters:a dictionary contains the parameters of each layer{'W1','b1',

原创 tensorflow——tf.nn.conv2d()

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)input：指需要做卷积的输入图像，它要求是一个Tensor，shape为[batch, in_height, in_width, in_channels]filter：相当于CNN中的卷积核，它要求是一个Tensor，shape为[fi...

原创 tensorflow——name_scope与variable_scope

tf.name_scope()主要是用来管理命名空间的，这样能使模型更加有条理。tf.name_scope()不会对tf.get_variable创建的变量有任何影响tf.variable_scope()变量空间允许您创建新的变量并共享已经创建的变量，同时提供检查以避免意外地创建或共享大部分情况下和tf.get_variable()配合使用，实现变量共享。...