- 博客(17)
- 收藏
- 关注
RSS订阅原创 L1 和 L2正则化可以抑制训练过拟合的理解
@[TOC]L1 和 L2正则化 对L1 和 L2正则化可以抑制训练过拟合的理解 L1范数和L2范数经常被用于损失函数中，用来防止网络训练过程的过拟合问题。 一、几种范数 设任一组向量为x=（2，1，−1，0，2，3）x=（2，1，-1，0，2，3）x=（2，1，−1，0，2，3） 1. 0范数(l0l_{0}l0) l0l_{0}l0是指一个向量中xi≠0x_{i}\neq 0xi=0的个数。即∥x∥0=5\parallel x\parallel _{0}=5∥x∥0=5。 2. 1范数(l1
2021-07-24 12:06:53
578
原创 深度学习制作自己的数据集-pytorch
深度学习制作自己的数据集-pytorch import torch as t import torchvision as tv import torch.nn as nn import torchvision.transforms as transforms from torch import optim import cv2 import time import os import skimage.io as io from skimage import transform import torch.nn
2021-06-18 16:22:03
831
原创 Retinex 图像去模糊（含MATLAB代码）
Retinex 图像去模糊 Retinex 理论： Retinex是由 Retina + Cortex 组成，被称为视网膜皮层理论。 该理论指出 物体能够被观察到的信息是由两个因素来决定的：物体本身的反射性质和物体周围的光照强度。其中，光照强度决定了原始图像中所有像素点的动态范围大小，而原始图像的固有属性（颜色）是由物体本身的反射系数决定的。 因此该方法是将一幅图像分成两个不同的图像：反射图像和亮...
2020-02-11 17:46:45
10563
9
原创 深度学习基础学习-forward&backward（1-数据集的处理）（内附python源码）
深度学习基础学习-forward&backward（1-数据集的处理）（内附python源码）本篇博客从对数据集的处理开始到如何优化参数更新，全面覆盖BP神经网络的基础知识，以如何搭建一个BP的步骤为基本骨架进行逐个学习，主要内容包括以下几个方面：1. 数据集的分批处理及归一化处理;2. 参数的初始化;3. 正则化;4. 参数更行中的优化;5. 学习率的优化;6. 整个BP网络的搭建。分...
2020-01-14 17:23:50
3289
1
原创 label在图片位置中的检验
在深度学习中构建数据集时，通过python代码，为扩充的数据生成label后，无法确定是否准确。这篇文章就是用来做这个检验的。 如何扩充数据集详见：https://blog.csdn.net/qq_33668060/article/details/101603249 检验代码： ```python from __future__ import division import os imp...
2019-09-28 11:32:07
523
原创 深度学习中，同时为图片文件和label文件重命名
在深度学习对数据集处理的过程中，经常遇到需要为图片数据进行再次重命名，但图片数据重命名后，对于标定好的label不能一一对应。本文主要解决这类问题。 import os def rename(): path_img = "/home/zwb/桌面/img/" path_out_img = "/home/zwb/桌面/img1/" path_ano = "/home/zwb/桌面/ano/...
2019-09-28 11:27:01
1058
3
原创 深度学习中以原始数据为基础扩充数据集时，如何方便快捷的为扩充数据打label
@[TOC]深度学习中以原始数据为基础扩充数据集时，如何方便快捷的为扩充数据打label 在我们为深度学习做数据集的过程中，如果原始图片比较少，往往需要通过我们模仿外界条件为原始图像添加噪声、调整亮度等操作扩充数据集。但对于扩充的数据我们又不想再进行一个一个的去打label，那么我们可以根据标定好的原始数据，通过python代码自动实现为扩充的数据部分打label。 下面的代码实现了对原始图片的添...
2019-09-28 11:20:37
2344
原创 一种改进的中值滤波方法—内附MATLAB源码
一种改进的中值滤波方法 标准中值滤波器会根据窗口大小对噪声图像的每个像素点进行处理，这样会导致处理结果受到滤波窗口大小的影响比较严重，而且，对于纹理性较强的图像处理效果不理想会存在模糊现象，故在文章《小样本情况下基于深度学习的水下目标识别》一文中，作者提出了一种改进的中值滤波处理算法。本文是对该文...
2019-08-29 17:12:44
3482
原创 动态阈值进行图像分割——MATLAB
@ 采用动态阈值进行图像分割 由于在进行图像处理的过程中，当图像中目标的灰度处于不同的灰度域中，单独使用一个全局阈值，可能无法全面的提取所有目标，这时可以采用动态阈值的处理方法，将图像分成多个块，分别对每个块进行操作。 下面一段代码，是将图像rice.png分割成16块，对每一块单独的采用迭代法进行处理，当16块都处理结束后，将其合并，即为所要的处理结果。 代码实现： A = imread('ri...
2019-08-20 19:17:20
8039
2
原创 迭代法求取阈值进行图像分割——MATLAB
@迭代法求取阈值进行图像分割 迭代法求取阈值进行图像分割 它的主要思想是：图像分割后的两部分A和B的均值和基本保持稳定。也就是说，随着迭代的进行，取 [mean(A)+mean(B)]/2 最终的收敛值作为分割阈值。 在这里有一点需要注意： 为了提高收敛速度，初始阈值T0的选择要稍微注意些。当目标与背景的面积相当时，可以将初始阈值T0设置为整个图像的平均灰度值；当目标与背景的面积相差较大时，更好地...
2019-08-20 17:31:17
15511
7
原创 最大类间方差寻找最佳阈值实现图像的分割——MATLAB
最大类间方差寻找最佳阈值实现图像的分割 顾名思义，该方法是使用最大类间方差实现图像分割中最佳阈值的寻找。 为什么最大类间方差能实现分割阈值的寻找? 答：从统计学的意义上讲，方差是表征数据分布不均衡的统计量，方差越大，说明数据间的差别越明显。假设现在有一组数据A，找一个合适中间值K，将A分成A1和A2两组，如...
2019-08-20 15:42:27
10446
6
原创 图像增强（3-频域滤波）——内涵MATLAB源码
频域中的图像增强其实质也就卷积操作，它采用傅立叶变换实现对图像的增强处理。 频域中的卷积操作公式： 其中，为原图像的傅立叶变换，为传递函数，为经过滤波处理输出图像的傅立叶形式。 将图像由时域...
2019-08-11 12:33:32
3229
2
原创 傅立叶变换的实现—MATLAB（纯代码）
闲来无事，想验证一下MATLAB中内涵的f傅立叶变换fft2()和ifft2()正确不，于是就有了下面的代码和结果：该部分只是写了傅立叶变换，不是快速傅立叶变换，虽然运行结果都一样）。建议用不大于100×100的图片进行验证，原因不解释，自己去百度。 close all; clear all; clc % A = [1 2 3 4; 5 6 7 8; 2 3 4 5; 4 5 6 7]; % ...
2019-08-08 18:36:34
12466
原创 图像增强（2-卷积操作）——内涵MATLAB代码
接着上节来。。。。。 卷积操作在图像的处理中是贼重要的一节，是必须要掌握的一部分。 卷积部分咱不聊啥嘛求蛋蛋的公式，咱只需知道，卷积操作在图像上咋运行的就成。卷积操作就是采用一个卷积核在原图像上的滑动。在图像处理中，具体操作卷积的方式有多种： 1） filter2(b,A,shape)，b为卷积核，A为原图像（假设大小为m×n），shape指定计算的...
2019-08-08 18:19:05
3058
1
原创 图像增强（1-灰度级变换）—内涵MATLAB源码
起篇三连问： 第一问：何为数字图像的增强？ 个人理解，就是通过对图像进行平滑去噪、改变灰度级或者增强边缘，将我们想要的某些图像特征更明显的显现出来。这就是图像的增强，该过程重在对比度的拉伸。 第二问：费了半天劲，对图像增强对我们有什么好处理嘞？ 说白了，图像增强就是一个图像预处理的工作，将我们想要的图像特征弄的比较显眼，为后期的目标提取、识别等打下良好的基础。 ...
2019-08-07 21:01:59
3991
原创 傅立叶变换之图像目标定位-matlab
傅立叶变换中的目标定位 and 卷积应用中的目标特征识别 写这篇文章的感觉就是一句话：我想验证：**时域中的卷积操作等于频域中的乘积，也就是这个公式：f*g(x) = F(x)*G(x)，**这句话。 直接上代码：每一行代码都有注释，有兴趣的小伙伴，可以仔细瞧一瞧。 clear all; clc; close all bw = imread('text.png'); a = bw...
2019-07-29 22:47:05
6392
11
原创 Canny算子中的梯度求取及非最大值抑制（NMS）实现
@Canny算子中的非最大值抑制（NMS）实现 canny算子中的非极大值抑制是在对图像进行梯度求取之后，在梯度方向进行的运算，也就是说此处的非极大值抑制是在对图像进行梯度求取后，在生成的梯度矩阵上求取的极大值。 注：canny算法在进行非极大值抑制之前需要先进行滤波和梯度求取。 该算法的实现流程： 假设原始图像A为4*4的矩阵，如下： A=2346572146965732 A= \beg...
2019-07-25 13:38:48
4261
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