![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分割
文章平均质量分 92
无情滴怪蜀黍
初阶炼丹师
展开
-
时序数据转二维图像(MATLAB)
在深度学习的无损检测中,常常需要区分正常域与缺陷域,然而直接通过某帧的温度图查看会损失大量的时序数据。常用方法为偏度解决。但偏度图存高度压缩,损失了部分信息。因此,可以将时序数据转为二维图像,然后对二维图像进行分类用以识别当前像素点是否存在缺陷。原创 2024-01-15 22:29:39 · 1853 阅读 · 1 评论 -
傅里叶变换应用的例子
其中位置信息对应时序数据中的时间信息,图像矩阵中的每个值的大小对应时序数据中的函数值的大小。你有一个最高频率f = 32kHz的模拟信号,采样频率 64kHz,对这个信号做一个16个点的FFT分析,采样点下标 n 的范围是0, 1, 2, 3, …傅里叶变换就是将复杂时序函数的变为多个简单的Asin(ωx+φ),(A为幅值,ω为频率,φ为相位)通俗易懂的话就是把复杂的化为简单。图1为红外相机记录的温度与时间的数据,图2为未增加频域精度的振幅与频率图,图3为增加了频域精度的振幅与频率图。原创 2023-12-04 16:11:33 · 1697 阅读 · 0 评论 -
深度学习图像分割方法U-Net改进之Attention U-Net
注意力机制是一种基于权重的模型,其作用是让深度学习模型能够更加集中地关注当前输入数据中最具有代表性和区分性的部分,从而提高模型的分类精度和泛化性能。注意力机制在深度学习中广泛应用于自然语言处理、计算机视觉等领域。例如,在自然语言处理任务中,如机器翻译或文本摘要任务中,注意力机制可以帮助模型专注于输入序列中与预测结果最相关的内容,从而提高模型的翻译或摘要质量。再比如,在图像问答(QA)任务中,注意力机制可以对原始图像像素进行加权,以聚焦于图像中最相关的区域,从而对图片问题作出正确回答。原创 2023-06-10 16:45:32 · 4103 阅读 · 1 评论