opencv中提供了图片格式转换的方法，主要是采用cv2.cvtColor函数。方法如下：import cv2output1=cv2.imread('D:/super_reslution/SRCNN-Tensorflow/Test/Set5/bird_GT.bmp')output2 = cv2.cvtColor(output1, cv2.COLOR_BGR2YCR_CB)#BGR...

x_write=x.cpu().numpy().transpose(0,2,3,1)x_ini=[]for i in range(x_write.shape[0]):x_aux=x_write[i]# x_aux_int=x_aux.astype(int)x_aux_r=cv2.normalize(x_aux, None, 0, 255, cv2.NORM_MINMAX).astype(int)c

原文链接：https://blog.csdn.net/qq_40369180/article/details/104896719RuntimeError: value cannot be converted to type uint8_t without overflow:解决：将图像数据归一化img = img / 255RuntimeError: Expected object of scal

最近帮忙跑了一个实验，要用目标检测算法检测处理分割数据集，于是就涉及到了这几种数据的互相转换的问题。主要利用opencv里面的外界矩阵方法获得边框，然后存储到xml文件中去：（VOC目标检测数据）转（coco目标检测数据）实验的算法是coco数据格式，之后将voc数据转为coco格式：数据读取和方框绘制使用coco库读取.json文件：绘制结果：

pytorch中多GPU模型加载和保存需要注意的一些问题

发现若监督优化器的算法很多都采用SGD，选择Adam反而效果不好，所以这里学习了两者的区别。

某位大佬开源了论文源码，github地址：https://github.com/Xiaoqi-Zhao-DLUT/GateNet-RGB-Saliency里面有一部分CRF后处理预测图的代码，这里我就直接扒过来了。使用方法：if args['crf_refine']:prediction = crf_refine(np.array(img), np.array(prediction))源码：imp

这里有份ppt也可以详细看看：链接：https://pan.baidu.com/s/1uMs7gipEEFA1JyOusGWoiA提取码：hwts原文链接：https://zhuanlan.zhihu.com/p/30059442决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果...

原文链接：https://blog.csdn.net/gwplovekimi/article/details/83041627目录超分辨率（Super Resolution，SR）传统的图像超分辨率重建技术简介基于插值的图像超分基于重建的图像超分辨率基于学习的图像超分辨率基于深度学习的图像超分辨率重建技术两种常用的评价超分的指标——PSNR和SSIMSRCNN（Super-Res...

总结：Grad-CAM是一种CAM的变式，使用回传的梯度作为权对特征图的每个通道进行加权求和。