档案 | 计算机视觉深度学习

在开始使用深度学习方法进行计算机视觉时，使用标准的计算机视觉数据集会很方便。标准数据集通常易于理解、小巧且易于加载。它们可以为测试技术和复现结果提供基础，从而建立对库和方法的信心。在本教程中， […]

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，但也可以为了性能调整的原因将其移到第一个维度。这些“通道顺序格式”的使用以及准备数据以满足特定首选通道 […]

在模型训练或评估过程中，必须在将图像作为输入提供给深度学习神经网络模型之前对图像中的像素值进行缩放。传统上，必须在模型开发之前对图像进行缩放，并将其存储在内存或磁盘中进行缩放 […]

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。API 中还包含一些未公开的功能，可让您快速轻松地加载、转换和保存图像文件。在开始计算机视觉深度学习项目时，这些功能非常方便，可让您 […]

在图像数据可以用作图像分类任务建模的基础之前，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、居中、标准化等。如何为 […] 选择一个好的，甚至是最佳的像素缩放方法？

深度学习在计算机视觉领域的承诺是，模型性能更佳，尽管可能需要更多数据，但训练和操作所需的数字信号处理专业知识更少。尽管深度学习方法有很多炒作和宏大的声明，但除了炒作之外，深度学习方法正在实现最先进的结果 […]

图像由像素值矩阵组成。黑白图像是单个像素矩阵，而彩色图像则为每个颜色通道（如红色、绿色和蓝色）具有单独的像素值数组。像素值通常是介于 0 和 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，您必须学习如何加载和处理图像和照片。Python 中最流行且事实上的标准库是 Pillow。Pillow 是 Python 图像库 (PIL) 的更新版本，支持各种 […]

斯坦福大学的计算机视觉深度学习课程或许是该主题中最广为人知的课程。这并不奇怪，因为该课程已经开设四年，由该领域的顶级学者和研究人员授课，并且课程讲座和笔记均免费提供。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 […]