- 博客(3)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 Visualizing and Understanding Convolutional Networks笔记
原文链接：http://www.gageet.com/2014/10235.php在所有深度网络中，卷积神经网和图像处理最为密切相关，卷积网络在很多图片分类竞赛中都取得了很好的效果，但卷积网调参过程很不直观，很多时候都是碰运气。为此，卷积网络发明者Yann LeCun的得意门生Matthew Zeiler在2013年专门写了一篇论文，阐述了如何用反卷积网络可视化整个卷积网络，并进行分析和调
2016-03-23 15:34:00
621
原创 图像预处理与特征提取（2）——线性滤波
线性滤波后，输出图像上每个像素点x ij x_{ij}的值都是由输入图像P P各像素点值加权求和的结果。我们将权重放在F F中，其中的元素为f m,n f_{m,n}，m∈−M...M m\in {-M...M},n∈−N...N n\in {-N...N}。 更正式的讲，一般当我们进行滤波时，我们往往将P P和F F进行卷积运算。即： X=P⨂F X=P\bigotimes F ⨂ \b
2015-12-07 16:38:52
6295
原创 图像预处理与特征提取（1）——白化处理和直方图均衡化
我们从逐像素处理来开始讲诉图像预处理。我们将代表原始图像的二维矩阵标记为P P，其中的p ij p_{ij}代表第i i行和第j j列的像素值，代表该像素点的灰度强度。逐像素处理返回的就是和P P尺寸大小一样包含x ij x_{ij}的二维矩阵X X。1.Whitening（白化处理）一幅图像最终成像会受环境照明强度、物体反射、拍摄相机等多因素的影响。为了能够图像的中包含的那些不受外界影响的恒定
2015-12-05 16:18:00
12190
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人