cv
柠檬不甜会酸
爱吃肉的小姐姐
展开
-
图像分类(pytorch实现)
目录一、问题1、问题描述2、问题分析二、网络结构1、VGG2、VGG网络结构三、数据集四、实验步骤1、数据集(1)数据集的获取(2)数据集的处理(3)数据集的读取2、模型读取3、测试五、实验结果六、代码一、问题1、问题描述1) 对Cifar-10图像数据集,用卷积神经网络进行分类,统计正确率。2) 选用Caffe, Tensorflow, Pytorch等开源深度学习框架之一,学会安装这些框架并调用它们的接口。3) ...原创 2020-10-15 21:59:07 · 6055 阅读 · 5 评论 -
图像增强——数字图像处理(python实现)
目录一、题目1、问题描述2、问题分析二、实验过程1、中值滤波2、分段线性变换3、图像增强三、实验结果四、代码一、题目1、问题描述对于下面这幅图像,请问可以通过那些图像增强的手段,达到改善视觉效果的目的?请显示处理结果,并附简要处理流程说明。2、问题分析若想改善图片的质量,我们需要去除其中的噪声。图片轮廓不清晰,我们将其锐化即可。下面简单介绍一下处理过程中遇到的问题及解决方法: 问题 解决方法原创 2020-10-15 21:32:49 · 3548 阅读 · 1 评论 -
CycleGan风格转换(python实现)
目录一、CycleGan1、CycleGan介绍2、CycleGan网络结构3、CycleGAN损失4、生成器5、鉴别器二、数据集的处理1、数据集2、数据集的处理3、数据集的读取4、模型创建5、损失6、优化器7、训练和损失三、实验结果及分析1、train_cyclegan_paper.py2、test_cycle_paper.py一、CycleGan1、CycleGan介绍循环生成对抗网络是一种无监督生成对抗网络,它的主要想..原创 2020-10-15 21:11:58 · 3844 阅读 · 9 评论 -
Scene Recognition with Bag of Words(python实现)
一、题目二、原理(BOW+SVM+K-means)我们把图像的特征当做单词,把图像“文字化”之后,有助于大规模的图像检索。(1)BOW基本步骤特征提取:提取数据集中每幅图像的特征点,然后提取特征描述符,利用sift方法形成特征数据。学习词袋:把处理好的特征数据全部合并,利用聚类把特征词分为若干类,此若干类的数目由自己设定,每一类相当于一个视觉词汇;利用视觉词袋量化图像特征:每一张图像由很多视觉词汇组成,我们利用统计的词频直方图,可以表示图像属于哪一类;这个过程需要获取视觉原创 2020-10-15 20:29:26 · 1343 阅读 · 3 评论 -
Local Feature Matching(python实现)
一、题目二、原理SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果。SIFT算法的特点有:(1)SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;(2)独特性(D..原创 2020-10-15 20:19:54 · 3133 阅读 · 0 评论 -
Image Filtering and Hybrid Images(python实现)
目录一、题目二、原理三、效果四、代码一、题目二、原理滤波器就是一个特定的公式导出的一个特定的卷积模板。而衰减高频而通过低频的滤波器的滤波器称为低通滤波器,将模糊一副图像。衰减低频而通过高频的滤波器的滤波器称为高通滤波器,将锐化一副图像。常见的低通滤波器有:理想低通滤波器、布特沃斯低通滤波器、高斯低通滤波器;常见的高通滤波器有:理想高通滤波器、布特沃斯高通滤波器、高斯高通滤波器。三、效果原图: 理想低通 .原创 2020-10-15 20:12:21 · 2549 阅读 · 1 评论