3 心似平原纵马

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 2w+

暗光增强论文:Underexposed Photo Enhancement using Deep Illumination Estimation翻译与解读

论文链接:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8953588项目地址:https://github.com/wangruixing/DeepUPECVPR2019作者团队:腾讯优图Abstract不再像以前那样直接学习图像到图像的映射,而是在网络中引入中间照明,将输入与预期增强结果相关联,从而增强网络从专家修改的输入/输出图像对学习复杂的摄影调整的能力。提出了一个采用光照约束和先验的损失函数,建立了

2020-07-29 16:52:24

argparse.ArgumentParser 模块入门

argparse.ArgumentParser 此模块用来解析命令行参数import argparse# (1) 声明一个parserparser = argparse.ArgumentParser()# (2) 添加参数parser.add_argument("parg") # 位置参数,这里表示第一个出现的参数赋值给pargparser.add_argument("--digit",type=int,help="输入数字") # 通过 --echo xxx声明的

2020-07-19 22:38:58

24小时图像增强方法论文:An Integrated Enhancement Solution for 24-hour Colorful Imaging翻译与解读

论文来自AAAI2020 oral论文地址:https://arxiv.org/abs/2005.04580摘要目前,24小时室外成像的行业惯例是使用硅相机,并辅以近红外(NIR)照明。这导致彩色图像白天对比度差,夜间没有色度。对于这种困境,所有现有的解决方案都试图分别捕获RGB和NIR图像。然而,它们需要额外的硬件支持,并且存在使用寿命短、价格昂贵、特定使用场景等诸多缺点。本文提出了一种新颖的、集成的增强解决方案,无论是在白天充足的阳光下还是在极低的光照下,都能产生清晰的彩色图像。我们的核心思

2020-07-12 21:31:39

自监督微光增强论文解读:Self-supervised Image Enhancement Network: Training with Low Light Images Only

论文地址:https://arxiv.org/abs/2002.11300项目地址:https://github.com/hitzhangyu/Self-supervised-Image-Enhancement-Network-Training-With-Low-Light-Images-Only目前好像暂未发表作者团队:哈尔滨工业大学主要工作:自监督不需要参考图像单图像训练增强整体基于Retinex理论分解图像,用直方图均衡化后的结果做参照,认为反射率的最大通道与微光图像的最大

2020-06-30 22:20:50

yolo系列解读——从V1到V3

原文链接:https://blog.csdn.net/App_12062011/article/details/77554288YOLO v1这是继RCNN,fast-RCNN和faster-RCNN之后,rbg(RossGirshick)针对DL目标检测速度问题提出的另外一种框架。YOLO V1其增强版本GPU中能跑45fps,简化版本155fps。论文下载:http://arxiv.org/abs/1506.02640代码下载:https://github.com/pjreddie/da

2020-06-27 15:43:00

R语言各种核函数的支持向量机分类、回归与参数优化

多种核函数分类及参数优化分类数据集采用iris,先用ggplot画出其分布情况,这里用了花萼宽度和花瓣长度作为输入,标签是花的种类library(ggplot2)ggplot(iris,aes(x=Sepal.Width,y=Petal.Length,col=Species))+geom_point()可以看出其属于近似线性可分的情况,接下来用svm进行拟合,首先用默认的径向基核函数作为核函数进行模型拟合library(e1071)svm.fit<-svm(Spec.

2020-05-29 20:27:16

暗光增强论文Attention Guided Low-light Image Enhancement with a Large Scale Low-light Simulation Dataset翻译

Abstract低光图像增强是一个挑战,因为它不仅需要考虑亮度恢复,还需要考虑复杂的问题,如颜色失真和噪声通常隐藏在黑暗中。简单地调整低光图像的亮度将不可避免地放大这些噪声。针对这一难题,本文提出了一种基于多分支卷积神经网络的端到端注意引导方法。为此,我们首先使用精心设计的微光模拟策略构建一个合成数据集,它比现有数据集更大、更多样化。利用新的训练数据集,我们的方法学习了两个注意图,分别指导亮度增强和去噪任务。第一个注意图区分了曝光不足的区域和光线充足的区域,第二个注意图区分了噪音和真实纹理。在他们的指导

2020-05-23 16:55:28

low-light图像增强论文Kindling the Darkness: A Practical Low-light Image Enhancer翻译与解读

本文来自ACM MM 2019,作者:Yonghua Zhang, Jiawan Zhang, and Xiaojie Guo项目地址:https://github.com/zhangyhuaee/KinDAbstract在弱光条件下拍摄的图像通常(部分)能见度较差。除了不理想的照明,多种类型的退化,如噪音和颜色失真,由于相机的质量有限,这些退化隐藏在黑暗中。换句话说,仅仅提高黑暗区域的亮度将不可避免地放大隐藏的退化。这项工作建立了一个简单而有效的点燃黑暗的网络(表示为kindling),它的灵感

2020-05-17 09:00:32

opencv学习笔记(四)——绘制轮廓、直方图均衡、模板匹配

绘制轮廓函数 cv2.findContours() 有三个参数,第一个是输入图像,第二个是 轮廓检索模式,第三个是轮廓近似方法。im = cv2.imread('img/chess.jpg') imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)ret,thresh = cv2.threshold(imgray,30,255,0) contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.

2020-05-11 17:09:22

opencv学习笔记(三)—— 利用图像金字塔进行图像无缝拼接,cv2.pyrDown() ,cv2.pyrUp()

原理一般情况下,我们要处理是一副具有固定分辨率的图像。但是有些情况下,我们需要对同一图像的不同分辨率的子图像进行处理。比如,我们要在一幅图像中查找某个目标,比如脸,我们不知道目标在图像中的尺寸大小。这种情况下,我们需要创建创建一组图像,这些图像是具有不同分辨率的原始图像。我们把这组图像叫做图像金字塔(简单来说就是同一图像的不同分辨率的子图集 合)。如果我们把最大的图像放在底部,最小的放在顶部,...

2020-05-01 11:44:39

Dynamic ReLU——微软提出的动态relu激活函数

论文地址:https://arxiv.org/pdf/2003.10027.pdf摘要ReLU是深度神经网络中常用的激活函数。到目前为止,ReLU及其推广(非参数或参数)都是静态的,对所有的输入样本执行相同的操作。在本文中,我们提出了Dynamic ReLU激活函数(DY-ReLU),它的参数依赖于所有输入。其关键在于DY-ReLU将全局上下文编码为超函数,并相应地调整分段线性激活函数。与...

2020-04-25 00:14:12

opencv学习笔记(二)——修改像素值、图像属性、ROI、通道、图像阈值、平滑、Canny边缘检测

import cv2import numpy as npimport matplotlib.pyplot as plt获取修改像素值'''获取修改像素值'''img = cv2.imread('cat1.jpg')px=img[100,100]print(px)blue=img[100,100,0]print(blue)img[100,100]=[0,0,0]pr...

2020-04-23 23:50:05

目标检测之RoI Pooling及其改进RoI Align

原文链接:https://www.jianshu.com/p/670a3e42107d一、什么是RoI PoolingRoI是Region of Interest的简写,是指对一张图片的“感兴趣区域”,用于RCNN系列算法当中,输入图片在经过卷积网络得到feature maps后,利用选择搜索或者RPN算法来得到多个目标候选框,这些以输入图片为参考坐标的候选框在feature maps上的...

2020-04-17 17:42:12

opencv学习笔记(一)——读入图像,大小调整,保存图像,键盘控制,与matplotlib的对比,添加几何图形

import cv2import numpy as npimport matplotlib.pyplot as plt读入图像和显示图像img = cv2.imread('cat.jpg',0)cv2.imshow('image',img)cv2.waitKey(0)cv2.destroyAllWindows()cv2.waitKey() 是一个键盘绑定函数。需要指出的是...

2020-04-16 14:35:26

目标检测之交并比——IoU

原文链接:https://blog.csdn.net/u014061630/article/details/828181121. IoU的简介及原理解析IoU 的全称为交并比(Intersection over Union),通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。开始计算之前,我们首先进行分析下交...

2020-04-14 18:02:07

动态特征融合语义边缘检测论文Dynamic Feature Fusion for Semantic Edge Detection解读

Abstract如果多尺度特征融合良好,可以大大提高语义边缘检测的效率。然而,目前流行的语义边缘检测方法采用固定权值的融合策略,强制图像中不同的语义共享相同的权值,使得所有图像和位置的通用权值不考虑其不同的语义或局部上下文。在这项工作中,我们提出了一种新的动态特征融合策略,该策略自适应地为不同的输入图像和位置分配不同的融合权重,这是通过一个权值学习器根据特定的输入条件,为特征图的每个位置在多...

2020-04-10 21:36:54

python 用LSTM预测时间序列之预测新冠肺炎疫情

用到的模块import numpyimport matplotlib.pyplot as pltfrom pandas import read_csvimport mathfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.layers import LSTMfrom sklear...

2020-04-07 16:40:30

R语言马氏距离判别法

没啥好解释的,就放个代码和运行结果吧#数据准备x1<-c(3,3,2,3,3,3,3,3,2,2,1,3,2,1,2,2,2,3,3,2,2,2,2,2)x2<-c(28,45,55,55,50,70,75,80,50,35,40,50,35,50,40,45,25,40,50,70,70,45,25,25)x3<-c(2,2,3,3,2,3,3,3,3,1,2,2...

2020-04-07 16:30:37

暗光增强论文EEMEFN: Low-Light Image Enhancement via Edge-Enhanced Multi-Exposure Fusion Network翻译和解读

摘要近年来,暗光图像增强技术发展不错,但仍存在三点问题:1.低光图像通常是高对比度的,现有的方法可能无法在极暗或极亮区域恢复图像细节;2.现有方法无法精确地校正微光图像的颜色;3.当目标边缘不清晰时,像素级的损失函数(比如L1,L2损失函数)会对不同的物体进行相同的处理,并导致一个模糊的结果。(像素级的loss对图片的空间分布处理是平等的,这种损失函数会把损失平均的分到图像的每个像...

2020-04-01 17:46:59

R语言利用jiebaR和wordcloud2对有关钻石公主号的评论绘制词云

这里要对有关钻石公主号事件的评论做词云分析,通过用户自定义词典和停用词来对评论进行分词引入包library(wordcloud2)library(jiebaR)library(RColorBrewer)读入数据并分词。这里我们的数据是每一行为一个评论,一开始我用的read.table和read.csv来读入,以‘’为分隔符,但总出现某个换行以/n的形式出现在数据中,所以我们采用r...

2020-03-11 16:01:29

查看更多

勋章 我的勋章
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 学习力
    学习力
    《原力计划【第二季】》第一期主题勋章 ,第一期活动已经结束啦,小伙伴们可以去参加第二期打卡挑战活动获取更多勋章哦。
  • 原力新人
    原力新人
    在《原力计划【第二季】》打卡挑战活动中,成功参与本活动并发布一篇原创文章的博主,即可获得此勋章。
  • 分享学徒
    分享学徒
    成功上传1个资源即可获取