本文将在CIFAR10的基础上介绍如何处理数据、图像分类以及使用GPU加速模型训练。

本文使用PyTorch在MNIST数据集上实现了手写体数字识别

目录1OpenCV-Python简介2下载并安装Python及相关库2.1下载并安装Python2.2安装相关库2.3安装 OpenCV1OpenCV-Python简介OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Py

本文将在CIFAR10的基础上介绍如何处理数据、图像分类以及使用GPU加速模型训练。

1 图像像素统计数字图像可以用大小一定的矩阵来表示，矩阵中每个元素的大小表示图像中每个像素的明暗程度。查找矩阵中的最大值就是寻找图像中灰度值最大的像素，计算矩阵的平均值就是计算图像的平均灰度（图像的整体亮暗程度可以用平均灰度来表示）。因此，统计矩阵数据的特征值具有一定的意义。1.1 图像像素的最大值和最小值OpenCV 4中提供了寻找图像像素最大值、最小值的函数 cv.minMaxLoc()#cv

本文介绍了如何在ImageNet预训练模型ResNet18的基础上微调训练自己的图像分类模型

本文介绍了如何在ImageNet预训练模型ResNet18的基础上微调训练自己的图像分类模型

本文介绍了如何在ImageNet预训练模型ResNet18的基础上微调训练自己的图像分类模型

目录1 直方图归一化2 直方图比较3 直方图均衡化4 直方图匹配5 直方图反向投影6 图像模板匹配直方图能够反应图像灰度值等统计特性，但是这个结果只统计了数值，是初步统计结果，OpenCV4 可以对统计结果进行进一步的操作以得到更多有用的信息，例如求取同结果的平均概率分布，通过直方图统计结果对两张图像中的内容进行不叫。本文主要介绍直方图归一化、直方图比较、直方图均衡化和直方图匹配等直方图操作与实际

目录1 椒盐噪声2 高斯噪声图像在获取和传输过程种会受到随机信号的干扰从而产生噪声，例如电阻引起的热噪声、光子噪声、暗电流噪声以及光响应非均匀性噪声等，由于噪声会影响对图像的理解以及后续的处理工作，因此去除噪声的影响在图像中具有十分重要的意义。图像中常见的噪声有：椒盐噪声、高斯噪声、泊松噪声和乘性噪声。本文将介绍椒盐噪声和高斯噪声产生的原因和如何在图像中添加噪声。生成的含有噪声的图像可以应用于后续