hzhj的博客

''' python test_dali.py -d data/ -b 64 -t 4 -d 数据地址 -b batchsize -t 读数据的线程数 ''' import argparse import nvidia.dali.ops as ops import nvidia.dali.types as types from nvidia.dali.pipeline import Pipeline from nvidia.dali.plugin.pytorch import DALIClassific.

图片来自这里 图片遮挡 原图处理 random-erase和cutout gridmask Random erase和CutOut方法类似，随机选择矩形区域，前者是随机填充矩形区域的像素值，后者是填充0值，代码见这里； Hide-and-seek和Grid mask方法类似，前者是随机采样矩形区域，后者是均匀采样矩形区域，均填充0像素值； 特征图处理 该部分更多的属于网络的正则化方法，yoloV4中将其归结为数据增...

传统的数据增强方法主要针对像素信息进行处理，主要从光度畸变和几何畸变两方面进行处理。 光度畸变：颜色空间、图片亮度、对比度、色调、饱和度、噪声等； 几何畸变：尺度缩放、裁剪、翻转、旋转等。 func keras ImageDataGenerator 类 对应的tf处理函数tf.keras.preprocessing.image.ImageDataGenerator 参考文献： yoloV4 图像预处理​​​​​​​ ...

Canny边缘检测算法是1986提出的多阶段的边缘检测算法。 预处理 由于边缘易受噪声影响，所以对图像利用高斯滤波器来去除噪声。 , 其中,分别为滤波核范围内像素的均值和方差，另参数也可以直接在函数中指定。 计算梯度图 分别计算图像中像素点的梯度，获得当前图像的梯度大小和梯度方向两个对应的图。梯度方向垂直于图像边缘，为方便后续计算，将梯度方向量化为4条线：水平、垂直、及其两个对角(共8个方向的值)； 图片来自这里 非极大值抑制NMS，类似检测算法中的后处理NMS。此处应用的对象为同一梯度方向上像素.

引言 HOG 全名为Histogram of Gragient，表示梯度方向直方图; 梯度，作为一个向量，包括大小（幅值）和方向（角度）两部分。图像中像素点的梯度分为水平梯度和垂直梯度两部分，两者共同组成了当前像素点的梯度； 图像中像素的梯度计算。如下图所示：gx=30-20=10， gy=64-32=32。A像素点的梯度计算如下： 图片来自这里 HOG计算 图片来自这里 角度转换 将有符号角度值转换为无符号角度值。通过公式计算的梯度角度变换范围为()，为方便梯度直方图中对角度使用无符号

Q: 问题描述 A: 不同的数据加载方式，通过base64编码后，利用tornado请求算法服务时，返回结果不同。 现象 图片内存大小为96,518 字节，先看下不同加载方式获得的二进制流的大小 >>> import cv2 >>> from io import BytesIO #py3 >>> from PIL import Image >>> img_path='500_ChsEj17LW0eAWNZcAARjScabz3

    先看下wiki上关于whiten transformation的介绍，简言之就是：把具有协方差的变量转换为协方差为单位矩阵的变量，即转换后，变量间不相关，且方差为1。之所以称之为'whiten'，是由于该处理将输入向量转换为白噪声向量。第二行是介绍3种和白化功能类似的处理：去相关变换、归一化变换和色彩变换。A whitening transformation or sphering tra...

    本文旨在翻译维基百科中关于Bilinear interpolation的解释。    数学中，双线性插值是直线二维网格中关于两个变量(如x, y)的线性插值函数的扩展。    实现该方法的关键在于先从一个方向进行线性插值，然后对另一个方向执行相同操作。尽管上述两步操作在位置和样本点的值上都是线性的，但双线性插值在整个样本位置中不是线性的而是二次的。算法        假设已知函数f在四个点...