高动态成像及神经网络学习笔记

• 前向与反向传导算法
  神经网络的前向传导算法：
  
  定义神经网络的损失函数：
  
  反向传导算法：第二项为正则化项，也称权重衰减项，减小权重的幅度，防止过度拟合。
  
  梯度下降的单次迭代过程：
  
• 梯度检验与高级优化
  就是要使得计算结果的梯度与其真是结果相近，对于每一个i检查下式是否相近
  
  

高动态成像：

基于响应函数与色调映射的方法

1. 捕获不同曝光度的多张图像
   以下代码基于python：

import cv2
import numpy as