- 博客(10)
- 收藏
- 关注
RSS订阅
原创 【WHash】更有空间感的感知哈希
转载请注明出处背景在重复图识别领域，对于识别肉眼相同图片，感知哈希效果是很鲁棒的。上一篇文章 【PHash】更懂人眼的感知哈希 介绍的PHash识别效果很好，但是它有一个缺点，只关注低频信息，并没有关注图片的空间信息，极端情况就可能出现完全不同的两张图片，phash值很近。而WHash利用小波变换不仅重点关注低频信息，同时也关注图片的空间信息。WHash算法WHash算法如下：下面附上源代码，代码很短，也可以先忽略：python源码如下：def whash(image, ha.
2020-12-12 12:39:42
1197
原创 【PHash】更懂人眼的感知哈希
转载请标名出处背景在重复图识别领域，对于识别肉眼相同图片，PHash是很有用的，而且算法复杂度很低。它抓住了 ” 人眼对于细节信息不是很敏感 “ 的特性，利用DCT变换把高频信息去掉，再加上合适&简单的二值化方式，使得算法效果比较鲁棒。PHash算法流程图如下：附上python代码： def phash(image, hash_size=8, highfreq_factor=4): import scipy.fftpack img_size = .
2020-12-10 10:01:49
1308
1
原创 【重复图识别】在茫茫图海中，怎么找到相同的它？
转载请标名出处。背景在一些图像相关的项目中，重复图识别是很重要的。就比如热图排行榜（需要识别出重复图）；涉及图像深度学习的项目（训练数据需要剔除重复图）；图片原创&视频原创（需要识别出重复图）等等。什么是相同图片什么是相同图片？相信在不同场景下，这个答案是不一样。有些场景把肉眼看起来一样的图片当作相同图片，有些场景把用滤镜处理过的图片也当作相同图片，而有些场景下只把原图当作相同图片。这里按照相同程度划分，相同程度从高到低，其实可以分为3个等级：绝对原图肉眼相同抄袭原图接.
2020-12-10 09:58:53
1631
原创 【UV统计】海量数据统计的前世今生
背景在互联网公司中，每个项目都需要数据统计、分析，便于项目组利用详细数据研究项目的整体情况，进行下一步的调整。在数据统计中，UV统计是最常见的，也是最普遍的。有的场景要求实时性很高，有点场景要求准确性很高，有的场景比较在意计算过程中的内存。不同的场景使用不同的算法，下面我们从0到1简单介绍下UV统计领域。什么是UV统计假设我们的场景是商家这边上架一系列水果，然后需要统计出一共上架几种水果。具体如下所示：针对这个问题，我们想到的最简单的方式就是利用STL中的set处理。SET上架一个水果的时
2020-12-13 23:29:40
592
原创 caffe源码 链式法则
1、网络结构首先我们抽象理解下一个网络结构是怎样的，如下图所示F1,F2,F3为某种函数input为输入数据，output为输出数据X1，X2为为中间的层的输入输出数据总体来说有以下关系X1 = F（input）X2 = F1（X1）output = F2（X2）在训练过程中output其实就是loss层的输出，训练的目的就是为了把loss值降到最低链式法则链式法...
2018-11-01 09:11:08
197
原创 caffe源码 全连接层
1、图示全连接层如上图所示，该全链接层输入n * 4，输出为n * 2，n为batch该层有两个参数W和B，W为系数，B为偏置项该层的函数为F(x) = W*x + B，则W为4 * 2的矩阵，B 为 1 * 2 的矩阵2、从公式理解全连接层假设第N层为全连接层，输入为Xn，输出为Xn+1，其他与该层无关的信息可以忽略该层公式有Xn+1 = Fn(Xn) = W * Xn + ...
2018-11-01 09:05:32
244
原创 caffe源码 卷积层
1、通俗易懂理解卷积图示理解神经网络的卷积input： 3 * 5 * 5 (c * h * w)pading： 1步长： 2卷积核： 2 * 3 * 3 * 3 ( n * c * k * k )output： 2 * 3 * 3 ( c * h * w )如下图所示：2、深入理解卷积首先需要理解caffe里面的im2col和col2im然后 卷积层 其实和 全连接层...
2018-11-01 08:54:28
183
原创 caffe源码 池化层
1、标题图示池化层（前向传播）池化层其实和卷积层有点相似，有个类似卷积核的窗口按照固定的步长在移动，每个窗口做一定的操作，按照这个操作的类型可以分为两种池化层：输入参数如下：输入： 1 * 3 * 4 * 4池化核: 2 * 2pad: 0步长：2输出参数如下：输出：1 * 3 * 2 * 21.1、MAX （max pooling）在窗口中取最大值当做结果1.2、AVG...
2018-11-01 08:35:42
311
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人