- 博客(7)
- 收藏
- 关注
RSS订阅原创 PMGI-AAAI2020-IR-VI 代码运行和踩坑教程（TensorFlow2.12）
根据flatten=True参数，scipy.misc.imread（）函数将图像读取为灰度图像，即将彩色图像转换为单通道的灰度图像。根据mode='YCbCr'参数，图像将以YCbCr格式读取，这意味着图像将以Y（亮度）、Cb（蓝色色度）和Cr（红色色度）通道的形式被读取。默认的数据集要求是bmp格式，如果要使用自己的数据集训练且不是bmp格式则需要在utils.py的第72行代码进行修改。这个函数是python2.x的版本，python3已经不再使用了，用法和range一样，修改成range就行。
2024-03-08 16:17:09
821
1
原创 Opencv-Python安装踩坑及教程
很快就安装好了，我觉得如果是python=3.6的版本，直接使用最后这个指令就ok的，前面感觉用处不大。然后发现是opencv-python的版本太高了，我的虚拟环境是3.6，不支持。然后,很奇怪的事情出现了，以前都没有这种情况，卡在这个位置。然后，上网查了一下教程，说要将pip更新到最新版本。在跑代码的时候，提示no module cv2。需要等待很久，如果感觉不放心，可以查看安装进程。需要安装opencv-python。然后速度很慢，切换到镜像。然后再次执行pip指令。浅浅记录一次踩坑过程。
2024-03-07 15:30:26
685
原创 【浅读论文-红外和可见光图像融合-综述】Infrared and visible image fusion methods and applications: A survey（下）
这是2019年提出的论文综述1,主要对早期的传统融合方法和应用做综述，简要回顾一下。📖论文地址📖 置一个传送门，这是文章的上半部分，主要讲的是融合方法。【浅读论文-VIF-综述】Infrared and visible image fusion methods and applications: A survey（上）图像融合的应用主要包含：目标识别，物体检测， 跟踪，监视，色觉和遥感几个领域。
2023-11-24 23:08:13
343
1
原创 【浅读论文-红外和可见光图像融合-综述】Infrared and visible image fusion methods and applications: A survey（上）
这是2019年提出的论文综述1,主要对早期的传统融合方法和应用做综述，简要回顾一下。📖论文地址文章首先详细综述了红外和可见光图像的融合方法。同时，简要介绍了图像配准作为图像融合的前提条件。其次，概述了红外和可见光图像融合的主要应用。第三，对图像融合性能的评价指标进行了讨论和总结。第四，选取18种具有代表性的方法和9个评价指标进行定性和定量实验，为不同融合方法提供客观的性能参考，从而为相关工程提供可信、确凿的证据支持。最后，总结了红外和可见光图像融合的现状，并对未来的工作进行了深入的讨论和展望。
2023-11-23 18:04:40
4109
原创 【浅读论文-红外和可见光图像融合-AE】DenseFuse: A Fusion Approach to Infrared and Visible Images
这篇是2019年发表的一篇基于DenseNet的论文，也是据博主所知，第一篇使用完全深度学习的结构应用在VIF的论文。1一般被认为是第一篇在VIF中使用深度学习的方法。📖论文地址💻代码地址（ps：这个代码是我自己简单实现的版本，如果有任何问题请及时和我联系）网络架构太简单。为了解决这一问题，提出了基于编码器和解码器的深度学习架构，使用编码器提取图像特征，使用解码器重建图像。仅使用图像特征的最后一层的结果，会失去很多中间层有用的信息，随着网络结构加深，这种信息丢失会更加严重。
2023-11-22 17:28:54
638
1
原创 【浅读论文-红外和可见光图像融合-CNN】Infrared and Visible Image Fusion using a Deep Learning Framework
1.这篇是2018年ICPR会议上发表的一篇文章1。博主个人觉得这算比较早期在VIF（红外光和可见光图像融合）中加入了深度学习这一模型的论文。2.这篇文章并不是完全使用深度学习的模型，模型主体在图像分解和融合仍然采用传统的方法，只有其中一个分支在特征提取和重建方面用到了VGG网络。3.论文地址4.代码地址本文提出了基于深度学习框架的一种新算法。本文提出使用下述论文中Image fusion with guided filtering2中的分解方法将源图像分解为基本部分和细节内容。
2023-11-21 08:23:10
750
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