计算机视觉
文章平均质量分 94
自学课程笔记,欢迎交流
NanKom
林深时见鹿
展开
-
计算机视觉与深度学习-卷积神经网络
卷积层(CONV):对图像卷积得到特征响应图。激活层(RELU):对卷积输出的结果通过激活函数(一般是RELU函数)后输出。池化层(POOL):简单计算,增大感受野。全连接层(FC):也就是全连接神经网络,接收向量的输入,输出类别的向量。可以理解为前四层是一个大的卷积核,输出的是特征响应图。原创 2022-01-13 22:17:58 · 2258 阅读 · 1 评论 -
计算机视觉与深度学习-卷积&图像去噪&边缘提取
在图像表示中我们已经知道,噪声的典型表示是噪声像素点与周围的像素点差别比较大。去除噪声比较简单的方法是加权平均法,即将噪声与周围的像素点加权平均一下,这就是卷积。将图像中的噪声通过卷积操作得到去噪后的像素点。如果将图像上的所有像素点都操作一遍就得到了一张去噪后的图,将算子中的1/9制作成模板,这个模板是1/9组成的3x3矩阵,又叫做卷积核(滤波核)。原创 2022-01-13 16:12:32 · 4957 阅读 · 1 评论 -
计算机视觉与深度学习-全连接神经网络
全连接神经网络通过级联多个变换来实现输入到输出的映射。两层全连接神经网络可以表示为:。通过两次线性变换级联来得到最后的结果。其中max函数是一个激活函数,它将第一次变换的结果处理再送给后面的层,在级联系统中比较重要,后面会详细介绍。以此类推,对于三层的全连接神经网络可以表示为:。全连接神经网络的核心是线性分类器,其中的非线性操作(max函数)是不可去的。原创 2022-01-10 22:14:17 · 3687 阅读 · 1 评论 -
计算机视觉与深度学习-线性分类器
以下内容是自己学习北京邮电大学鲁鹏副教授计算机视觉与深度学习课程(A02)的一些笔记,笔者能力有限,如有错误还望各位大佬在评论区批评指正。先贴一下课程的官网:CV-XUEBA接上篇,简单的介绍了分类器的设计,接下来开启分类器的设计之旅。上篇地址:计算机视觉与深度学习-21、线性分类器1.1 数据集介绍以CIFAR10为例子,这是一个公开的数据集,由李飞飞教授团队制作。数据集包含50000张训练样本、10000张测试样本。有10个类别,飞机、鸟、猫、鹿、狗、蛙、马、船、卡车,均为彩色图像.原创 2021-10-06 19:55:15 · 344 阅读 · 1 评论 -
计算机视觉与深度学习-图像分类任务
以下内容是自己学习北京邮电大学鲁鹏副教授计算机视觉与深度学习课程(A02)的一些笔记,笔者能力有限,如有错误还望各位大佬在评论区批评指正 。先贴一下课程官网:CV-XUEBA书接上篇。地址:计算机视觉与深度学习-1 上篇中着重记录了图像分类的难点。1、基于规则的分类方法是否可行?在设计图像分类系统时比较重要的就是设计分类器。先来看一下框架:def classify_image(image): # Do something magical here return cla.原创 2021-10-05 21:09:54 · 400 阅读 · 1 评论 -
计算机视觉与深度学习-前言
以下内容是自己学习北京邮电大学鲁鹏副教授计算机视觉基础课程的一些笔记,笔者能力有限,如有错误还望各位大佬在评论区批评指正。先贴一下课程的官网:CV-XUEBA1什么是计算机视觉?...原创 2021-10-02 23:54:26 · 1404 阅读 · 1 评论