使用Python+OpenCV實現(xiàn)神經網絡預處理人臉圖像的快速指南
2020-05-23 10:38
磐創(chuàng)AI
關注
前兩幅圖像的質量似乎更高（但你可以觀察到一些壓縮偽像）。線性方法的結果明顯更平滑并且噪點更少。最后一個是像素化的。歸一化我們可以使用normalize（）函數應用視覺歸一化，以修復非常暗／亮的圖片（甚至可以修復低對比度）。該歸一化類型（https：／／docs．opencv．org／3．4／d2／de8／group＿＿core＿＿array．html＃gad12cefbcb5291cf958a85b4b67b6149f） 在函數參數中指定：norm＿img ＝ np．zeros（（300， 300））norm＿img ＝ cv2．normalize（img， norm＿img， 0， 255， cv2．NORM＿MINMAX）例子：
當使用圖像作為深度卷積神經網絡的輸入時，不需要應用這種歸一化。在實踐中，我們將對每個通道進行適當的歸一化，比如減去平均值，然后除以像素級的標準差（因此我們得到平均值0和偏差1）。如果我們使用遷移學習，最好的方法總是使用預先訓練的模型統(tǒng)計數據。結論在處理人臉分類／識別問題時，如果輸入的圖像不是護照圖片，則檢測和分離出人臉是一項常見的任務。OpenCV是一個很好的圖像預處理庫，不僅僅如此，它也是一個強大的工具，為許多計算機視覺應用…
來看文檔吧！希望你喜歡這篇文章！
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
