iotflh的博客

1、图像分割经典的数字图像分割算法一般是基于灰度值的两个基本特征之一：不连续性和相似性。（1）基于阈值：基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中。算法的关键：确定阈值。（2）基于边缘：所谓边缘是指图片中两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续性的反映，体现了灰度、颜色、纹理等图像特性突变。先确定图像中的边缘像素，把这些像素连接在一起就构成了所需的区域边界。（3）基于区域将图像按照相似性

1、常见存储：RGB：加法混色，三个颜色通道CMYK：减法混色，四个维度HSV：人类视觉概念，三个要素：色调、饱和度、亮度CIE-XYZ：基于人类颜色视觉的直觉测定：中波、短波、长波2、图片存储原理：RGB：三通道彩色图：GRAY=R0.3+G0.59+B*0.113、存储格式：BMP：采用位映射存储，占用空间大JPG：最常见的有损压缩，能够将图片压缩到10:1-40:1GIF：基于LZW算法的连续色调的无损压缩，压缩率在50%PNG：比较新的图像文件格式，能够提供笔GIF小30%的无

1、颜色特征：量化颜色直方图、聚类颜色直方图（1）量化颜色直方图适用颜色空间：RGB、HSV等颜色空间操作：颜色空间量化、单元（bin）由单元中心代表统计落在量化单元上的像素数量优势：计算高效劣势：量化问题、稀疏（2）聚类颜色直方图适用颜色空间：Lab等颜色空间操作：使用聚类算法对所有像素点颜色向量进行聚类单元（bin）由聚类中心代表问题：两幅颜色相近的颜色直方图，只是相错一个bin时，采用L1距离或者欧拉距离计算两者相似度会得到很小的相似度值。解决方法：考虑到相似到不相同的颜色之间

https://blog.youkuaiyun.com/weixin_42147780/article/details/102683053?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160385383319725255519967%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=160385383319725255519967&biz_

PyTorch使用教程-迁移学习前言如果你认为深度学习非常的吃GPU，或者说非常的耗时间，训练一个模型要非常久，但是你如果了解了迁移学习那你的模型可能只需要几分钟，而且准确率不比你自己训练的模型准确率低，本节我们将会介绍两种方法来实现迁移学习迁移学习方法介绍1、微调网络的方法实现迁移学习，更改最后一层全连接，并且微调训练网络2、将模型看成特征提取器，如果一个模型的预训练模型非常的好，那完全就把前面的层看成特征提取器，冻结所有层并且更改最后一层，只训练最后一层，这样我们只训练了最后一层，训练会非常的

transforms.Compose()串联多个图片变换的操作。transforms.Resize()将图片转换到制定大小。Resize(224) 将图片短边缩放到224，长边做等比缩放Resize([224,224])将图片缩放到224*224transforms.CenterCrop（）图片裁剪，从中心位置裁剪指定大小的图片。transforms.ToTensor()（1） transforms.ToTensor() 将numpy的ndarray或PIL.Image.