作者归档 | Jason Brownlee

彩色图像具有高度、宽度和颜色通道维度。当表示为三维数组时，图像数据的通道维度默认在最后，但可能为了性能调优的原因移到第一个维度。这两种“通道顺序格式”的使用以及准备数据以满足特定首选通道 […]

在模型训练或评估期间将图像作为输入提供给深度学习神经网络模型之前，必须对图像中的像素值进行缩放。传统上，图像必须在模型开发之前进行缩放，并在内存或磁盘中以缩放后的 […]

Keras 深度学习库提供了一个复杂的 API，用于加载、准备和增强图像数据。该 API 还包含一些未公开的功能，允许您快速轻松地加载、转换和保存图像文件。在开始计算机视觉深度学习项目时，这些功能可能很方便，让您 […]

在图像数据可以用作图像分类任务中的建模基础之前，必须对其进行准备。准备图像数据的一个方面是缩放像素值，例如将值归一化到 0-1 范围，中心化，标准化等。如何为 […]

深度学习在计算机视觉领域的承诺是模型性能更好，可能需要更多数据但需要更少的数字信号处理专业知识来进行训练和操作。关于深度学习方法有很多炒作和夸大的说法，但抛开炒作，深度学习方法正在取得最先进的结果 […]

图像由像素值矩阵组成。黑白图像是单个像素矩阵，而彩色图像为每个颜色通道（如红色、绿色和蓝色）具有单独的像素值数组。像素值通常是 0 到 255 之间的无符号整数。虽然这些像素值可以 […]

在开发图像数据的预测模型之前，您必须学会如何加载和操作图像和照片。Python 中最流行和事实标准化的图像加载和处理库是 Pillow。Pillow 是 Python 图像库 (PIL) 的更新版本，支持一系列 […]

斯坦福大学的深度学习计算机视觉课程可能是该主题中最广为人知的课程。这并不奇怪，因为该课程已经举办了四年，由该领域的顶尖学者和研究人员讲授，并且课程讲座和笔记是免费提供的。这是 […]

计算机视觉，通常缩写为 CV，被定义为一个研究领域，旨在开发帮助计算机“看到”并理解数字图像（如照片和视频）内容的技巧。计算机视觉问题看起来很简单，因为人们，甚至是很小的孩子都可以轻松解决。尽管如此，它在很大程度上 […]

Andrew Ng 以其在 Coursera 上提供的斯坦福机器学习课程而闻名。2017 年，他在 Coursera 上发布了一个为期五部分的深度学习课程，名为“深度学习专业化”，其中包含一个关于深度学习计算机视觉的模块，名为“卷积神经网络”。该课程提供了深度学习方法 […]