- 博客(24)
- 收藏
- 关注
RSS订阅原创 pyqt5的tableWidget的一些参数设置
font = self.tablewidget.horizontalHeader().font() #实例化列表头的字体。self.tablewidget.horizontalHeader().setFont(font) #给列表头设置字体。font = self.tablewidget.verticalHeader().font() # 实例化行表头的字体。self.tablewidget.verticalHeader().setFont(font) # 给行表头设置字体。#给表头文本设置颜色。
2023-10-18 10:35:48
537
原创 MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment阅读笔记
1.论文中心思想训练深层次的神经网络需要大量的标签数据，然而收集大量的图像数据用于训练DCNNs是非常困难的，并且会耗费大量的时间。直接用少量的数据训练很容易造成过拟合，为了解决这个问题，现有的大量IQA算法都是在预训练网络模型上进行实验。然而这会导致泛化问题，主要原因是这些预训练模型不是针对IQA任务的。在现实情况下，人类可以很容易地从各种失真的图像中获取质量先验知识，并快速适应未知失真图像的质量评价，如图1所示。因此，在NR-IQA方法中，学习人类的共享先验知识是评价不同失真图像质量的关键。基于这种
2021-02-24 11:04:39
1084
4
原创 RankIQA: Learning from Rankings for No-reference Image Quality Assessment阅读笔记
1.论文中心思想利用网络判断两张图片的好坏2.网络架构3.网络实现流程1）进行数据增强：对同一张图片，由它产生出来的一系列失真图片的rank是已知的；2）将rankings形成两两组合，传入孪生网络，然后得到高级特征（可以认为是quality score）进行比较，计算出loss，然后反向传播,孪生网络loss则是利用了hinge loss，能够更容易准确地学习到rank，也就是大间隔分类损失(详细解释如下：由图片x1得到的质量分数y1，由图片x2得到的质量分数y2，若y1与y2的比较结果与它们
2021-02-24 10:15:34
488
原创 Deep Learning of Human Visual Sensitivity in Image Quality Assessment Framework阅读笔记
1.论文整体思想（1）图像质量评估是预测感知质量，在过程评估、图像和视频编码、监控等图像处理领域有着广泛应用。人体是图像和视频的最终接收者，因此在图像质量评估的度量应该考虑人体视觉系统，尤其是视觉敏感度。（2）传统的全参考图像质量评估(Full-Reference Image Quality Assessment, FR-IQA)方法根据心理视觉科学(Psychological Vision Science)对人体视觉系统进行建模。这些方法计算复杂度高，并且建立的模型需要符合事先定义的条件，泛化性能一般
2021-02-21 11:08:26
730
原创 Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial Learning阅读笔记
1.论文思想提出了通过GAN生成的伪参考图引导质量回归网络来解决无参考图像质量评价问题，文章强调的一点是生成网络和回归网络的互补互助，将两个网络结合在一起进行端到端的训练。2.网络架构网络共包括三部分：质量感知生成网络（G）、伪参考质量回归网络（R）、判别器（D）1）质量感知生成网络（G）总损失：LG = µ1Lp + µ2Ls + µ3LadvLp损失是参考图与GT的像素级误差（MSE），即Ls损失是特征空间质量感知误差，即其中，Lv是G的相关损失，Lq是R网络相关的损失（这样通
2021-02-20 10:44:26
597
4
原创 Blind Predicting Similar Quality Map for Image Quality Assessment阅读笔记
论文整体思路：借助一个网络对distorted image进行处理，生成出一个处理后的图用来辅助IQA的分数拟合。本文生成出来的是相似图（指distorted图像同reference图像之间的由某种方法获得的相似图，这些相似图可以表示出来图像质量下降的程度），计算IQA的时候直接将这个中间相似图输入IQA的网络得到分数。1.算法结构结构共有两部分：上半部分（红色部分）为生成网络，下半部分（蓝色部分）为质量池化网络。1）生成网络：FCNN的生成网络部分，网络结构是U-Net，4个下采样和对应的4个上采
2021-02-19 14:30:40
603
1
原创 Blindly Assess Image Quality in the Wild Guided by A Self-Adaptive Hyper Network阅读笔记
一.真实失真图像的盲评是一大挑战，当前方法大多是关于合成数据集的，泛化能力差，因此本文提出一种自适应的超网络结构对真实的图像进行评价。图像质量评价算法在真实数据集上遇到如下三个挑战：1受限于真值图的获取；2真实数据集失真类型过多；3.真实数据集包含过多的图片内容。采用最初设计用于学习如何识别对象的网络体系结构来完成IQA的任务，存在两个缺点：第一，真实数据集失真大都存在于局部失真，而当前的深度模型大都学习的是全局失真，以至于模型预测的质量分数与人眼不一致。第二，没有在识别图片内容的基础上预测图片质量。基于上
2021-02-16 22:13:26
2056
原创 color transfer 算法文档简析
Reinhard于2001年在论文“color transfer between images”提出颜色迁移算法。其过程为：1.将参考图片和目标图片转换到LAB空间下2.得到参考图片和目标图片的均值和标准差3.对目标图片的每一个像素值，减去目标图像均值然后乘上参考图片和目标图片标准差的比值，再加上参考图像均值。具体公式解析如下：有一个重要的假设，图像灰度值的分布近似为高斯分布。我们将标准正态分布记为X，原图灰度值的正态分布记为Z1，目标图像灰度值的正态分布记为Z2。那么由概率统计正态分布公式：
2021-02-13 13:23:25
670
翻译 图像质量评估综述
背景介绍在过去的几十年里，由于质量评估(Quality Assessment，QA)在许多领域有其广泛的实用性，比如图像压缩、视频编解码、视频监控等，并且对高效、可靠质量评估的需求日益增加，所以QA成为一个感兴趣的研究领域，每年都涌现出大量的新的QA算法，有些是扩展已有的算法，也有一些是QA算法的应用。质量评估可分为图像质量评估（Image Quality Assessment, IQA）和视频质量评估（Video Quality Assessment, VQA），本文主要讨论图像质量评估。IQA从.
2021-01-11 10:19:23
2147
原创 YOLOV3训练验证测试历程
测试：./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights 01.jpg测试时出现
2020-09-22 18:00:16
570
转载 机器学习、监督学习、非监督学习、强化学习传统机器学习、深度学习、迁移学习基本概念
文章目录机器学习（machine learning）监督学习（supervised learning）非监督学习（unsupervised learning）强化学习（reinforcement learning）传统机器学习深度学习 （deep learning）迁移学习 （transfer learning）机器学习（machine learning）机器学习的主要任务：分类（classification）：将实例数据划分到合适的类别中。回归（regression）：主要用于预测数
2020-09-16 11:10:34
1854
原创 python爬虫--数据的存储和读取（CSV，EXCEL）
1.CSV格式得存储和读取（1）写入import csv# 需要写入的数据score1 = ['math', 95]score2 = ['english', 90]# 打开文件，追加a, newline=""，可以删掉行与行之间的空格file= open("score.csv", "a", newline="")# 设定写入模式csv_write = csv.writer(file)# 写入具体内容csv_write.writerow(score1)csv_write.wri
2020-06-04 21:46:15
316
原创 python爬虫--多协程实战
1.爬取Hi运动得食物信息（热量，链接等），并保存在excel中# 导入所需的库和模块：from gevent import monkeyimport gevent,requests,bs4,openpyxl,timefrom gevent.queue import Queuefrom openpyxl import load_workbook,Workbook,worksheet#让程序变成异步模式monkey.patch_all()# 创建队列对象，并赋值给workwork = Qu
2020-06-02 17:43:37
308
原创 python爬虫--多协程
本文所有皆为单核CPU情况，多进程（多核CPU）有待学习1.爬取任务量较小时from gevent import monkey#从gevent库里导入monkey模块。monkey.patch_all()#monkey.patch_all()能把程序变成协作式运行，就是可以帮助程序实现异步。import geventimport timeimport requests#导入gevent、time、requests。start = time.time()#记录程序开始时间。url_
2020-06-02 16:24:58
314
原创 python爬虫--爬虫定时汇报
1.目标：自动爬取每日的天气，并定时把天气数据和穿衣提示发送到邮箱第一步：爬取信息import requestsfrom bs4 import BeautifulSoupheaders={'user-agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.87 Safari/537.36'}#封装headersurl='http:/
2020-06-02 12:25:36
976
原创 python数据分析7--图像处理
1.绘制双Y轴坐标系import pandas as pdfrom matplotlib import pyplot as pltfrom matplotlib import font_managermy_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=18)# 获取数据datas = pd.read_excel('/data/course_data/data_
2020-05-29 15:18:19
345
原创 python数据分析6--常见统计图
1.柱状图from matplotlib import pyplot as pltfrom matplotlib import font_managera = ['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','熊出没·原始时代','新喜剧之王']b = [38.13,19.85,14.89,11.36,6.47,5.93]my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSON
2020-05-28 17:09:08
443
原创 python数据分析5--Matplotlib数据可视化
1.Matplotlib结构Matplotlib图像分成三层结构第一层：Canvas（画板）、Figure（画布，可以调节画布得大小和分辨率）、Axes（绘图区，一张画布上可以有多个绘图区，每一个绘图区都是一个独立得坐标系）第二层： 第二层是辅助显示层，主要包括axis（坐标轴）、spines（边框线）、grid（网格线）、legend（图例）、title（标题）等第三层：第三层为图像层，即通过plot、scatter等方法绘制的图像。from matplotlib import pyplot
2020-05-28 16:07:05
241
原创 python数据分析4--批量处理数据
1.数据的分组import pandas as pddf = pd.read_excel('/data/course_data/data_analysis/forbes_2018.xlsx')#df.group('X'),按照X进行分组group = df.groupby('gender')#group.size()可以返回每组的数量，并返回一个含有分组大小的Seriesfor gender,value in group.size().items(): # 计算每组的占比 acc
2020-05-27 22:50:15
841
原创 python数据分析3--数据的合并、筛选、排序
1.数据的合并inner取交集，outer取并集（1）利用contact()连接import pandas as pddict1={ 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3']}df1=pd.DataFrame(dict1)print(df1)dict2={ 'B': ['B0', 'B1', 'B2', 'B3'],
2020-05-27 20:23:24
1146
原创 python数据分析2--重复数据和空值处理
1.空值处理（1）基础知识文件的单元格中没有值时，在使用pandas读取后就会用NaN表示，也就是我们常说的空值，在NumPy模块中提供了nan的值，如果你想要创建一个空值，可以使用下方代码：from numpy import nan as NaNNaN比较特殊点就是其本身是一种float类型数据，当NaN可以参与到数据计算中，最终的结果却永远都是NaN。（2）过滤空值from numpy import nan as NaNimport pandas as pddf = pd.read_exc
2020-05-27 17:35:26
730
转载 python数据分析1--数据的读取与写入
一. python数据分析—数据的读取与写入1.数据写入到文件中进行永久性的保存，支持的文件格式有HTML、CSV、JSON、Excel2.csv的读写from pandas import Series,DataFrameimport pandas as pd# 使用字典创建index_list = ['001','002','003','004','005','006','007','008','009','010']name_list = ['李白','王昭君','诸葛亮','狄仁杰',
2020-05-27 15:58:13
405
原创 快速安装包
pip换源阿里云http://mirrors.aliyun.com/pypi/simple/中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban)http://pypi.douban.com/simple/ 清华大学https://pypi.tuna.tsinghua.edu.cn/simple/ 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/...
2020-05-13 19:51:24
173
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