2019年02月_qq_34725005

转载 TensorFlow数据读取机制

TensorFlow读取机制图解首先需要思考的一个问题是，什么是数据读取？以图像数据为例，读取数据的过程可以用下图来表示：假设我们的硬盘中有一个图片数据集0001.jpg，0002.jpg，0003.jpg……我们只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很容易，但事实远没有那么简单。事实上，我们必须要把数据先读入后才能进行计算，假设读入用时0.1s，计算...

2019-02-27 15:25:08 159

原创 TensorFlow读取txt和csv格式数据

环境：python3.5 tensorflow1.12数据：6.1101,17.5925.5277,9.13028.5186,13.6627.0032,11.8545.8598,6.82338.3829,11.8867.4764,4.3483txt转换为csv格式import csv#要保存后csv格式的文件名file_name_string="file.csv"wit...

2019-02-27 14:27:07 1923

原创数字图像处理水印

简单可见水印简单可见水印由如下公式生成其中控制水印衬底的相对可见性，f为衬底，w为水印图片。import scipy.miscimport cv2im = cv2.imread('jsy.jpg')im_water = cv2.imread('sy.png')for x in range(im_water.shape[0]): for y in range(im_wat...

2019-02-22 19:41:55 2383 1

原创数字图像处理补色与反色

import numpy as npimport cv2im = cv2.imread('tetet.jpg')im_converted_mat = np.zeros_like(im, dtype=np.uint8)for x in range(im.shape[0]): for y in range(im.shape[1]): # 补色公式max(r,g,b)...

2019-02-22 17:23:42 2859 2

原创数字图像处理噪声

import matplotlib.pyplot as pltimport numpy as np#高斯噪声：均值为0，标准差为64x1 = np.random.normal(loc=0, scale=64, size=(256, 256))#瑞利噪声：（2/b）**0.5为1x2 = np.random.rayleigh(scale=64, size=(256, 256))#伽马噪...

2019-02-22 17:06:56 643

原创数字图像处理高通滤波

import numpy as npimport cv2def convert_2d(r): r_ext = np.zeros((r.shape[0] * 2, r.shape[1] * 2)) for i in range(r.shape[0]): for j in range(r.shape[1]): r_ext[i][j] = r...

2019-02-22 16:42:03 3321 1

原创数字图像处理低通滤波

#理想低通滤波import numpy as npimport cv2def convert_2d(r): r_ext = np.zeros((r.shape[0] * 2, r.shape[1] * 2)) for i in range(r.shape[0]): for j in range(r.shape[1]): r_ext[i...

2019-02-22 16:17:26 1159

原创数字图像处理高斯模糊

import mathimport numpy as npimport scipy.signalimport cv2def get_cv(r, sigma): return 1 / (2 * math.pi * sigma ** 2) * math.exp((-r ** 2) / (2 * sigma ** 2))def get_kernel(): radius, s...

2019-02-22 10:29:28 864

原创数字图像处理锐化滤波

import numpy as npimport scipy.signalimport cv2def convert_2d(r): kernel = np.array([ [0,-1,0], [-1,5,-1], [0,-1,0] ]) s = scipy.signal.convolve2d(r,kernel,mode...

2019-02-21 21:45:18 1710

原创数字图像处理中值滤波

import numpy as npimport scipy.ndimageimport cv2def convert_2d(r): n = 10 s = scipy.ndimage.median_filter(r, (n, n)) return s.astype(np.uint8)def convert_3d(r): s_dsplit = [] ...

2019-02-21 21:07:45 1210

原创数字图像处理均值滤波

import numpy as npimport cv2import scipy.signaldef convert_2d(r): n = 3 kernel = np.ones((n, n)) / n ** 2 s = scipy.signal.convolve2d(r,kernel,mode='same',boundary='symm') return s...

2019-02-21 20:50:23 1053

原创数字图像处理加性高斯白噪声

import numpy as npimport matplotlib.pyplot as pltimport cv2def convert_2d(r): s = r + np.random.normal(0, 64, r.shape) if np.min(s) >= 0 and np.max(s) <= 255: return s; s...

2019-02-21 20:28:10 2675 1

原创 AlexNet模型解读

AlexNet上的一个完整的卷积层可能包括一层convolution、一层Rectified Linear Units、一层max-pooling、一层normalization。整个网络结构包括五层卷积层和三层全连接层，网络的最前端是图片的原始像素点，最后端是图片的分类结果。1.第一层：卷积层其中conv1说明输出为96层，使用的卷积核大小为[11,11]，步进为4。在此之后变为[55,5...

2019-02-21 10:43:26 733

原创深度学习过拟合

1、什么是过拟合。在深度学习中，模型对于所提供的数据进行一致性假设而使模型变得过度复杂称为过拟合。2、过拟合的危害。“一个过配的模型试图连误差（噪音）都去解释（而实际上噪音又不是需要解释的），导致泛化能力比较差，显然就过犹不及了。”具体表现在：深度学习的模型在提供的训练集上效果非常好，但在未经过训练集观察的测试集上，模型的效果很差，即输出的泛化能力很弱。3、解决过拟合的方法1）获取和使用...

2019-02-20 11:19:45 1077 1

原创数字图像处理图像减法

import numpy as npimport cv2def convert(r, h): s = r - h if np.min(s) >= 0 and np.max(s) <= 255: return s s = s - np.full(s.shape, np.min(s)) s = s * 255 / np.max(s) ...

2019-02-19 17:04:13 3725

原创数字图像处理直方图均衡化

import matplotlib.pyplot as pltimport numpy as npimport cv2def convert(r): x = np.zeros([256]) for i in range(r.shape[0]): for j in range(r.shape[1]): x[r[i][j]]+=1 ...

2019-02-18 10:20:11 394

原创数字图像处理对比度增强

import cv2import numpy as npdef convert(r): s = np.empty(r.shape,dtype=np.uint8) for j in range(r.shape[0]): for i in range(r.shape[1]): s[j][i]=(r[j][i]/255)**0.67*255...

2019-02-17 21:15:44 809

qq_34725005的博客