2025-7-27日学习

识别手写数字项目：

1.torchvision.datasets.MNIST 将每一组样本tensor与标签tensor组成了一个列表

2.样本数据为各像素组成的3维张量，标签数据为每个图片的实际数字

3.模型预测的结果为长度为10的向量，每个值代表0-9这九个数字的预测可能性，数字最大的那个位置即为预测结果，如[1,2,2,2,2,2,8,6,6,6,], 预测结果就是7（数字8所在的位置）

4.cv2只能处理3维的numpy格式，且通道维度要放在最右边

5.torch.transpose一次只能转换2个维度，转换多个维度使用permute

5.每次使用 for i in X，相当于将X降一维

6.torch.load要加上weights_only=False， cnn = torch.load("net.pkl", weights_only=False)

计算机视觉相关概念：

RGB：（0-255）

HSV：色相，饱和度，明度

亮度：明度的大小，通过+-值来调节，从RGB图上调整

对比度：最大与最小明度的差值，通过*>1或者<1的值来调节，从RGB图上调整

饱和度：颜色的种类，通过HSV图调节，调整S

图像的高频：图像的边缘以及噪点

图像的低频：图像的连续的色块

图像平滑：抑制高频，去掉噪点。问题是会使图像边沿模糊

图像锐化：增强高频部分，与平滑相反，边沿增强

边缘提取：

直方图均衡化：是图像的亮度分布比较均匀

图像滤波：可以实现图像锐化或者平滑或者边缘提取

形态学运算：

        腐蚀：

        膨胀：

        形态学梯度：膨胀图-腐蚀图可以得到轮廓图

计算机视觉中的特征工程：

特征工程：人为地设计输入X，特征提取-特征选择-建模，在深度学习中前两步通过CNN完成，也就是通过卷积得到有效的X，再通过FC等层完成分类

图像匹配：计算相似性

卷积神经网络：

卷积层：对图像与滤波矩阵做内积，实际是线性运算，y=kx+b

设计的时候采用小卷积核，加深网络，减少计算量

激活函数：为了增加网络的非线性表达能力，ReLU函数

BatchNorm层：对输出结果进行规范化

全连接层：是一个学习特征向量的过程

Dropout层：