原创 在python2.7中用numpy.reshape 對圖像進行切割的方法

今天小編就爲大家分享一篇在python2.7中用numpy.reshape 對圖像進行切割的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧 遇到這麼個需求:把圖片按照定義的patchsize切

原创 matlab | 實現圖像復原 / 超分重建 / 去模糊 論文裏的局部放大對比圖

效果 鼠標選擇bounding box 左上角位置 生成的圖。該腳本以bounding box大小爲基準,調整大圖的大小。貼到論文裏比較好看 文件存放形式 以圖片1.jpg爲例,原圖存放在root文件夾,用3種方法的處理結

原创 生成式模型閱讀&學習材料

我感覺在學習過程中,遇到不懂的,常常都是需要複習概率論知識,所以假設機器學習的名詞啥的都是掌握的。 下面這些文章都是頭大的時候覺得讀一遍就能懂的。 概率論基礎 先驗概率、後驗概率、貝葉斯法則、極大後驗概率假設、極大似然假設 貝葉斯理論

原创 視覺計算/深度學習/人工智能 筆試面試 彙總(騰訊、網易、yy、美圖等)

對應崗位爲:基礎研究或圖像相關崗位,題目來源自同學們的彙總。。 一部分是我自行總結的,所以也不一定正確,歡迎捉蟲。 每個問題都不停止的追問自己爲什麼,因爲在面試中面試官肯定會不停的追問的。 –2017.9.7 之所以現在才發,是因爲之

原创 matlab | 計算常用有參考圖像質量評價指標 PSNR / SSIM / MSSSIM / IFC / VIF

強烈指責任何騙積分的網站,這態度很不ok 畢竟,基本上所有資料都能在以下鏈接找到: Research on Image Quality Assessment Image & Video Quality Assessment at L

原创 Git | 一篇文章搞定Git、GitHub的理解和使用(學習筆記)

Git learning note 本筆記整理自廖雪峯老師的Git教程,加上了自己的實踐結果和一些理解,旨在使科研工作者(基本上是獨立開發的那種)看完就能理解和使用Git。廖老師的教程生動活潑,條理清晰,推薦閱讀。還可以贊助哦。 目錄

原创 pytorch | 利用batch normalization對Variable進行normalize/instance normalize

天啦嚕!!我發現更新的pytorch已經有instance normalization了!! 不用自己折騰了!! -2017.5.25 利用 nn.Module 裏的 子類 _BatchNorm (在torch.nn.modules

原创 給研一同學們的深度學習學習規劃

DeepLearning Syllabus ——整理by xrj[[email protected]] DeepLearning Syllabus 學習路線 先修理論知識用到再看 工具平臺推薦 課程學習CS231n Assignmen1

原创 pytorch | 計算圖像的一階導/梯度/gradient

[pytorch] 計算圖像的一階導 / 梯度 / gradient 在圖像轉換任務中常見的total variation loss(tvloss,總變分,一般作爲平滑的規則化項)需要對圖像的梯度求平方和。 style-transfer

原创 小白式機器學習 (一) | logistic regression(LR)對數機率迴歸 / 邏輯迴歸 公式推導

因爲是傻瓜式教程,所以一定會非常詳細!一些概念link到了Wiki的相應解釋上。 歡迎捉蟲~! 二分類和迴歸的關係 考慮 x⇒y x⇒y 表示的二分類或迴歸問題,其中 x x 是輸入, y y 是輸出。 1. 在二分類中, y 

原创 深度學習 | 反捲積/轉置卷積 的理解 transposed conv/deconv

搞明白了卷積網絡中所謂deconv到底是個什麼東西后,不寫下來怕又忘記,根據參考資料,加上我自己的理解,記錄在這篇博客裏。 先來規範表達 爲了方便理解,本文出現的舉例情況都是2D矩陣卷積,卷積輸入和核形狀都爲正方形,x和y軸方向的pad

原创 matlab | BSDS500/BSDS300分割數據集的下載以及簡單處理

這兩個是berkely (伯克利大學)computer vision group提供的數據集,用來做segmentation(圖像分割)或contour detection(輪廓檢測)的,還有人拿這個做super resolution(超

原创 pytorch | 深度學習分割網絡U-net的pytorch模型實現

這個是pytorch出來沒多久的時候寫的了,現在看是非常傻逼的方法,羞恥感十足。 推薦學習項目【pix2pix】的代碼,優雅! –作者 2018.1.30 U-Net 的實現現在github上非常多了吧!用dense-net大概也隨隨

原创 python2.7中用numpy.reshape 對圖像進行切割

遇到這麼個需求:把圖片按照定義的patchsize切塊,然後按照z軸順序疊放小塊,如下圖(僅考慮灰度圖像) 圖片im,設size爲(h,w),patchsize爲(ph,pw),則處理後大小(爲簡化描述,假設可以整除)爲(ph,pw,w