- 博客(21)
- 收藏
- 关注
原创 pytorch分类问题
注意:1、该函数输入的预测结果应是原始结果,不能经过softmax、标准化normalized或者进行argmax后得到的[0,1,0]此类独热编码此类操作。2、标签值的输入也,直接输入数据对应的分类label[1,6,2,4]即可。3、torch框架下标签值是不需要one hot编码的。
2023-04-02 13:06:32
301
原创 图像在空域上锐化处理matlab
1. 图像锐化图像锐化与图像平滑是相反的操作,锐化是通过增强高频分量来减少图像中的模糊,增强图像细节边缘和轮廓,增强灰度反差,便于后期对目标的识别和处理。锐化处理在增强图像边缘的同时也增加了图像的噪声。方法通常有微分法和高通滤波法。2. 锐化处理方法2.1.1. 梯度法梯度的方向是图像中最大变化率的方向,梯度的幅度比例于相邻像素的灰度级差值对图像F ( x , y ),在点( x , y ) 处的梯度定义为矢量:2.2. 拉普拉斯算子法2.3. 高通滤波法2.4. 模板匹配法将
2021-07-13 20:00:25
2170
原创 注意力机制(Attention Mechanism)
https://blog.csdn.net/weixin_42398658/article/details/90804173https://my.oschina.net/u/876354/blog/3061863https://www.pianshen.com/article/4647359272/
2021-06-26 16:44:22
128
原创 完备的 AI 学习路线
https://mp.weixin.qq.com/s?__biz=MzU0MDQ1NjAzNg==&mid=2247486965&idx=1&sn=4b27a045daf54b3f4f0f648cd0cea836&chksm=fb39a8fecc4e21e89445ccaff3e3a10e74fe856235973902fcdee2cb1bd3cb48317f83b8185c&token=876382619&lang=zh_CN&scene=21#we
2021-06-21 11:33:46
86
原创 归一化(MinMaxScaler)、标准化(StandardScaler)、批标准化(BatchNormalization)
一、批量标准化(BN,Batch Normalization)1、BN 简介a、协变量偏移问题我们知道,在统计机器学习中算法中,一个常见的问题是 协变量偏移(Covariate Shift),协变量可以看作是 输入变量。一般的深度神经网络都要求输入变量在训练数据和测试数据上的分布是相似的,这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障。传统的深度神经网络在训练时,随着参数的不算更新,中间每一层输入的数据分布往往会和参数更新之前有较大的差异,导致网络要去不断的适应新的数据分布,进而使得
2021-06-20 10:45:03
1720
原创 图像在空域上的平滑处理
平滑处理(smoothing)平滑处理(smoothing)也称模糊处理(bluring)。作用就是减少图像上的噪声或者失真。图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。平滑滤波是低频增强的空间域滤波技术。它的目的有两类:一类是模糊;另一类是消除噪音。空间域的平滑滤波一般采用均值滤波、中值滤波和加权平滑滤波进行处理。均值滤波3*3窗口的均值滤波如下图所示,点(x,y)的滤波值由其
2021-06-19 15:34:25
2190
原创 协方差矩阵(Covariance Matrix)
定义1、学术定义2、常规定义协方差矩阵中每个元素的求法用中文来描述,就是:协方差(i,j)=(第i列的所有元素-第i列的均值)*(第j列的所有元素-第j列的均值)3、协方差矩阵性质Example1、X、Y是一个列向量,它表示了每种情况下每个样本可能出现的数。比如给定则X表示x轴可能出现的数,Y表示y轴可能出现的。注意这里是关键,给定了4个样本,每个样本都是二维的,所以只可能有X和Y两种维度。所以这里只有X,Y两列,所以得到的协方差矩阵是2x2的矩阵,分别计算协方差矩阵的各个元素所
2021-06-09 16:58:28
32796
3
原创 图像增强运用空域点运算
灰度变换增强灰度变换主要针对独立的像素点进行处理,由输入像素点的灰度值决定相应的输出像素点的灰度值,通过改变原始图像数据所占的灰度范围而使图像在视觉上得到改善。1、线性灰度增强线性灰度增强,将图像中所有点的灰度按照线性灰度变换函数进行变换。在曝光不足或过度的情况下,图像的灰度可能局限在一个很小的灰度范围内,这时图像可能会很模糊不清。利用一个线性单值函数对图像内的每一个像素做线性拓展,将会有效地改善图像的视觉效果。基本原理:假设一幅图像f(x,y)变换前的的灰度范围是[a, b],希望变换后g(x,y
2021-05-30 21:35:11
775
2
原创 图像增强概念
一、分类图像增强可分成两大类:频率域法和空间域法。频率域法把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。空间域法中具有代表性的算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。二、方法1、图像增强技术根据增强处理过程所在的空间不同,可分为基于空域的算法和基于频域的算法两大类。2、空域法是对图像中的像素点进行操作,用公式描述如
2021-05-25 11:21:14
1210
原创 图像在频域上锐化处理(高通滤波器)
一、 引言从灰度分布的角度看,图像中对象的轮 廓 (边 缘 ) 和线条是图像中灰度的突变部分, 因而包含丰富的空间高频分量。从频谱分析的角度看, 任何一幅图像都是由决定图像反差的低频信号和决定图像细节的高频 信号组成。 但需要考虑到, 数字化图像中高频信号部分总是掺杂有一定程度的噪声。因此, 在频率域中进行图像的锐化处理实质上是加强需要的高频分量,并必须考虑 到要 在锐 化图像的同时抑制噪声。频率域中滤波的数学表达式可写为G(u,v)=H(u,v)⋅F(u,v)G(u,v)=H(u,v)·F(u,
2021-05-23 18:09:10
6673
1
原创 fisher线性判别分析法(LDA)
https://www.cnblogs.com/wj-1314/p/10234256.htmlhttps://blog.csdn.net/mengjizhiyou/article/details/103309372/
2021-04-09 15:36:45
153
原创 tensorflow2.x:数据统计
文章目录 一、范数二、最大最小值、均值、求和三、获得最值所在的索引号 四、张量比较 1. 增加维度2. 删除维度五、去重与还原 一、范数概念L1范数:定义为向量所有元素绝对值之和: L2范数:定义为向量所有元素的平方和再开根号: ∞ −范数:定义为向量x的所有元素绝对值的最大值: 对于矩阵、张量,同样可以利用向量范数的计算公式,等价于将矩阵、张量打平成向量后计算。"""范数tf.norm(x, ord, axis)ord 指定为 1、 2 时计算 L1、 ...
2021-03-25 17:43:05
226
原创 TensorFlow2.x:合并与分割
文章目录 一、合并1. 拼接2. 堆叠 二、分割 一、合并合并:将多个张量在某个维度上合并为一个张量。 以某学校班级成绩册数据为例,设张量A 保存了某学校1-5 号班级的成绩册,每个班级30 个学生,共8 门科目,则张量A的shape 为:[5,30,8];同样的方式,张量B 保存了剩下的6 个班级的成绩册,shape 为[6,30,8]。通过合并2 个成绩册,便可得到学校所有班级的成绩册张量C,shape 应为[11,30,8]。张量的合并可以使用拼接(Concatenate)和堆..
2021-03-25 16:47:43
166
原创 tensorflow2.x 数学运算
一、算术操作(+,-,*,/,//,%)(1)tensor-tensor操作(element-wise)a = tf.ones([2, 2])b = tf.fill([2, 2], 2.)add = a + bminus = a - bmultiply = a * b #点乘divide = a / bdivideExactly = a // b #整除surplus = b % a #取余(2)tensor-scalar操作#scalar-tensor操作。 #对tensor
2021-03-16 17:19:19
138
原创 tensorflow2.x 维度变换
一、张量的存储和视图(View)概念张量的视图就是我们理解张量的方式,例如shape 为[2,4,4,3]的张量A,我们从逻辑上可以理解为2 张图片,每张图片4 行4 列,每个位置有RGB 3 个通道的数据;张量的存储体现在张量在内存上保存为一段连续的内存区域,对于同样的存储,我们可以有不同的理解方式,比如上述A,我们可以在不改变张量的存储下,将张量A 理解为2 个样本,每个样本的特征为长度48 的向量。在存储数据时,内存并不支持这个维度层级概念,只能以平铺方式按序写入内存,因此这种层级关系需要人为
2021-03-16 16:40:31
380
原创 tensorflow2.x 索引与切片
举例说明索引数据中存有5张28x28的照片的三通道分析数据data:[5, 28, 28, 3]#使用随机分布进行模拟图片数据data = tf.random.normal([5, 28, 28, 3])#索引至第5张照片的所有信息data1 = data[4]切片省略号(…) 数据中有多个维度时,只需要在其中个别维度中进行获取数据,即可用省略号代表其他维度不填写#以上述照片的数据为例data2 = data [3,...,2]#取第一维度中的下标为3且第四维度中下标为2的
2021-03-14 10:29:17
83
原创 归并排序
1.基本思想归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。分而治之可以看到这种结构很像一棵完全二叉树,本文的归并排序我们采用递归去实现(也可采用迭代的方式去实现)。...
2018-12-13 12:47:22
116
原创 图的遍历(深度优先搜索)
1、深度优先搜索遍历过程图的深度优先搜索(Depth First Search),和树的先序遍历比较类似。基本思想:假设初始状态是图中所有顶点均未被访问,则从某个顶点v出发,首先访问该顶点,然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图,直至图中所有和v有路径相通的顶点都被访问到。 若此时尚有其他顶点未被访问到,则另选一个未被访问的顶点作起始点,重复上述过程,直至图中所有顶点都被...
2018-12-12 18:18:31
675
转载 图的遍历(广度优先搜索遍历)
1、广度优先搜索遍历过程 (1)从某个顶点V出发,访问该顶点的所有邻接点V1,V2…VN (2)从邻接点V1,V2…VN出发,再访问他们各自的所有邻接点 (3)重复上述步骤,直到所有的顶点都被访问过 若此时图中还有顶点未被访问,则在外控算法的控制下,另选一个未曾被访问的顶点作为起始点,重复上述过程,直到图中所有顶点都被访问完为止。2、示例对图7-28连通无向图广度优先搜索(以v...
2018-12-12 18:03:12
2754
1
原创 最大子段和问题
问题提出有一由n个整数组成的序列A={a1,a2,…an,}A={a1,a2,…an,},截取其中从i→j的子段并计算字段和,那么最大的字段和为多少?举例说明例如:i12345678a[i]13-53-25-43则其最大字段和为:3+(−2)+5=61. 动态规划算法假设最大字段和我们设为 M我们设 1→j中包括a[j]最大字...
2018-12-12 17:34:14
253
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人