图像识别过程中出现如下问题的解决

问题:

Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).

解决方案:

在展示数据函数中,加入

image = image.clip(0, 1)

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
人脸识别技术作为一种新兴的生物特征识别技术,与其他特征识别技术相比具有接受性强和资源占用率低等优势,而且人脸识别技术在应用方式上可以采取主动或被动形式,十分灵活方便。因此人脸识别技术在现今社会的各个领域被广泛采用,如国家机要部门、银行、医院和一些军工重点单位等。尤其是近些年来,人脸识别技术在机器学习和模式识别领域已经成为一个热门的研究课题,学者们先后提出了大量地人脸识别算法,这其的许多算法已经在人脸识别准确性上达到了相当精确的程度。 但是现实环境,人脸具有很强的可变性和复杂性,极易受到各种外界客观条件的影响,如年龄因素、姿态变化,光照问题、遮挡问题等,都会给识别认证工作带来极大的负面影响。正因如此,在已经提出的人脸识别算法,还没有一个算法可以完全、彻底地解决上述所有的问题,所以现有的人脸识别算法还无法完全达到商业应用的标准。因此,如何进一步提升人脸识别算法的识别精度、完善和增强算法对不同环境的适应性以及提高算法运算的实效性,都是当前亟待解决的难题。 本文针对当前基于图像的人脸识别技术存在的问题与难点入手,对人脸识别过程的各个环节进行了深入的研究与分析,总结出现有人脸识别算法应对各种问题的优点与劣势,采取优势互补的原则提出了新的算法来解决识别过程的难题。通过从理论上的认证和对实验结果的分析两个方面,证实了提出的算法较原有的同类型算法在精确度和鲁棒性上都有所提升。具体工作如下:对人脸识别局部特征提取技术的修改,许多识别算法采用的是传统的局部特征提取方法,这些方法所提取出的人脸局部特征信息都不是很完整,这就造成了算法的识别精确度不是十分理想。本文提出了一种基于低频图像的分块完整局部二元模式的人脸识别算法,算法采用的完整局部二元模式能够提取出更加完整地人脸图像信息,同时采取分块模式能够使图像的细节部分被更有效地提取和利用,从而提升了算法的识别精度:同时使用原始图像的低频图像,就使得算法在识别精确度和运行效率两个方面都得到了兼顾。此外,针对待识别人脸图像的存在噪声问题,本文还提出了一种韦伯完整局部二元模式。算法采用该模式进行识别时不仅可以有效地降低噪声的影响,还能进一

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值