精品国产毛片,亚洲第一毛片

使用Python+OpenCV實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)處理人臉圖像的快速指南

2020-05-23 10:38

前兩幅圖像的質(zhì)量似乎更高（但你可以觀察到一些壓縮偽像）。線性方法的結(jié)果明顯更平滑并且噪點(diǎn)更少。最后一個(gè)是像素化的。歸一化我們可以使用normalize（）函數(shù)應(yīng)用視覺(jué)歸一化，以修復(fù)非常暗／亮的圖片（甚至可以修復(fù)低對(duì)比度）。該歸一化類(lèi)型（https：／／docs．opencv．org／3．4／d2／de8／group＿＿core＿＿array．html＃gad12cefbcb5291cf958a85b4b67b6149f）在函數(shù)參數(shù)中指定：norm＿img ＝ np．zeros（（300， 300））norm＿img ＝ cv2．normalize（img， norm＿img， 0， 255， cv2．NORM＿M(jìn)INMAX）例子：

當(dāng)使用圖像作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入時(shí)，不需要應(yīng)用這種歸一化。在實(shí)踐中，我們將對(duì)每個(gè)通道進(jìn)行適當(dāng)?shù)臍w一化，比如減去平均值，然后除以像素級(jí)的標(biāo)準(zhǔn)差（因此我們得到平均值0和偏差1）。如果我們使用遷移學(xué)習(xí)，最好的方法總是使用預(yù)先訓(xùn)練的模型統(tǒng)計(jì)數(shù)據(jù)。結(jié)論在處理人臉?lè)诸?lèi)／識(shí)別問(wèn)題時(shí)，如果輸入的圖像不是護(hù)照?qǐng)D片，則檢測(cè)和分離出人臉是一項(xiàng)常見(jiàn)的任務(wù)。OpenCV是一個(gè)很好的圖像預(yù)處理庫(kù)，不僅僅如此，它也是一個(gè)強(qiáng)大的工具，為許多計(jì)算機(jī)視覺(jué)應(yīng)用…