![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
cv知识
青柠檬-hxj
本人所有博文若不特殊标注说明均为原创,是为了加深自己的理解和记忆而作,若需转载请标明出处,如有疑问欢迎讨论交流
展开
-
FID 指标
然后,计算两个特征向量集合的均值和协方差矩阵;最后,通过计算两个协方差矩阵的差的平方和的平方根来计算FID指标。FID指标的意义在于,它能够量化生成模型所生成的图像与真实图像之间的相似度,帮助我们判断模型的效果。3. 训练策略的优化,例如采用更先进的优化算法、调整学习率等参数、进行知识蒸馏等。和预处理,收集高质量的数据集,并进行适当的预处理,以提高模型的训练效果;最后,FID指标可以定量地评估图像生成的相似度,具有较完善的应用体系。首先,它基于Inception网络,具有较好的泛化性能和稳定性;原创 2024-06-13 10:26:47 · 318 阅读 · 0 评论 -
积分图的实现方法
【代码】积分图的实现方法。原创 2024-01-02 11:05:45 · 375 阅读 · 0 评论 -
python 实现iou和nms
def iou(boxes1, boxes2): inter_w = min(boxes1[2], boxes2[2]) - max(boxes1[0], boxes2[0]) inter_h = min(boxes1[3], boxes2[3]) - max(boxes1[1], boxes2[1]) inter_area = inter_h * inter_w iouval = inter_area / ((boxes1[2]-boxes1[0]) * (boxes1[.原创 2021-07-11 08:05:11 · 144 阅读 · 0 评论 -
卷积python实现
import numpy as npdef image_conv(img, kernel): img_h, img_w = img.shape k_h, k_w = kernel pad_h, pad_w = (k_h - 1) // 2, (k_w - 1) // 2 conv_h = img_h + 2 * pad_h conv_w = img_w + 2 * pad_w conv_img = np.zeros(conv_h, conv_w) .原创 2021-07-05 07:54:54 · 184 阅读 · 0 评论