图像模糊聚类

最新推荐文章于 2023-01-05 09:46:54 发布

小然_ran

最新推荐文章于 2023-01-05 09:46:54 发布

阅读量507

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch 统计文章标签：机器学习图像深度学习模糊

本文链接：https://blog.youkuaiyun.com/qq_23144435/article/details/103766204

pytorch 同时被 2 个专栏收录

40 篇文章

订阅专栏

统计

15 篇文章

订阅专栏

本文介绍了一种使用池化操作进行图像降维的方法，并应用混合高斯模型进行进一步的数据压缩。通过torchvision和PIL加载图像，利用PyTorch的池化功能降低图像维度，再使用sklearn的GaussianMixture模型对降维后的数据进行聚类分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 用池化操作对图像降维打击
2. 利用混合高斯模型分块降维

import torchvision
from PIL import Image
import torch.nn.functional as F
loader = torchvision.transforms.Compose(
        [torchvision.transforms.Resize(128),
         torchvision.transforms.CenterCrop(128),
         torchvision.transforms.ToTensor()])
image = Image.open(r'14602193.jpg').convert('RGB')
image = loader(image).unsqueeze(0) ** 100
m3 = F.adaptive_avg_pool2d(image, 16).squeeze(0).view(3, -1).t().numpy()
print(m3.shape)
from sklearn.mixture import GaussianMixture
gmm = GaussianMixture(n_components=2).fit(m3)
labels = gmm.predict(m3)
print(labels)
sum = 0
for i in labels:
    if i == 1:
        sum = sum + 1
print(len(labels))
print(sum)