Show
Nội dung chính ShowShow
Động lực trên kho lưu trữAi cần cái này? Ai cần cái này?Giải trình Ý tưởng trong Nutshell
Giải trìnhÝ tưởng trong NutshellCách sử dụng Cách sử dụng
Làm thế nào để convolve làm việc python? Cách sử dụngVí dụ với ma trận và kernel của bạnHãy làm rõ nó và đưa ra một định nghĩa cho mọi thuật ngữ được sử dụng: matrix = np.array([[1, 4, 4, 2, 1, 0, 0, 1, 0, 0, 3, 3, 3, 4], [0, 2, 0, 2, 0, 3, 4, 4, 2, 1, 1, 3, 0, 4], [1, 1, 0, 0, 3, 4, 2, 4, 4, 2, 3, 0, 0, 4], [4, 0, 1, 2, 0, 2, 0, 3, 3, 3, 0, 4, 1, 0], [3, 0, 0, 3, 3, 3, 2, 0, 2, 1, 1, 0, 4, 2], [2, 4, 3, 1, 1, 0, 2, 1, 3, 4, 4, 0, 2, 3], [2, 4, 3, 3, 2, 1, 4, 0, 3, 4, 1, 2, 0, 0], [2, 1, 0, 1, 1, 2, 2, 3, 0, 0, 1, 2, 4, 2], [3, 3, 1, 1, 1, 1, 4, 4, 2, 3, 2, 2, 2, 3]]) Chạy thử nghiệm kernel = np.array([[0, 1, 3, 3, 2], [0, 1, 3, 1, 3], [1, 1, 2, 0, 2], [2, 2, 3, 2, 0], [1, 3, 1, 2, 0]]) Làm thế nào để bạn thực hiện một tích chập 2D trong Python? Làm thế nào để bạn thực hiện tích chập trong 2D?Làm thế nào để bạn tạo một hình ảnh chập? Hãy làm rõ nó và đưa ra một định nghĩa cho mọi thuật ngữ được sử dụng:Làm thế nào để convolve làm việc python? import imageio import matplotlib.pyplot as plt import numpy as np gaussian_blur = np.array([ [1, 2, 1], [2, 4, 2], [1, 2, 1] ]) / 16 image = imageio.imread('files/pic.jpg') plt.imshow(image) Kernel là một ma trận nhỏ mà chúng ta nhân với các ma trận phụ của hình ảnh; I'm going to make this picture blurry: filtered_image = apply_filter_to_image(image, gaussian_blur) plt.imshow(filtered_image) Stride là kích thước của bước của slide. Ví dụ: khi sải chân bằng 1, chúng ta di chuyển trên 1 pixel trên mỗi bước, khi 2, thì chúng ta di chuyển trên 2 pixel, v.v. Hình ảnh này có thể giúp bạn tìm ra nó;
Chạy thử nghiệmpython -m unittest tests.py Trích dẫnTrong tích chập 2D, chúng tôi di chuyển một số ma trận nhỏ được gọi là kernel qua hình ảnh 2D (một số ma trận) và nhân phần yếu tố của nó lên trên mỗi ma trận phụ, sau đó tổng hợp các phần tử của ma trận phụ thu được thành một pixel của bản đồ tính năng được gọi là bản đồ. Chúng tôi di chuyển nó từ bên trái sang phải và từ trên xuống dưới. Vào cuối chập, chúng ta thường bao phủ toàn bộ bề mặt hình ảnh, nhưng điều đó không được đảm bảo với các tham số phức tạp hơn. GIF này (nguồn) dưới đây trình bày hoàn hảo bản chất của tích chập 2D: Ma trận màu xanh lá cây là hình ảnh, màu vàng là hạt nhân và san hô đỏ là bản đồ tính năng:
Hãy làm rõ nó và đưa ra một định nghĩa cho mọi thuật ngữ được sử dụng: Làm thế nào để bạn thực hiện một tích chập 2D trong Python?Để bắt đầu phương thức tích chập 2D, chúng tôi sẽ có tiêu đề phương thức sau: def convolve2d (hình ảnh, kernel, padding = 0, sải bước = 1): sao cho hình ảnh và kernel được chỉ định bởi người dùng và đệm mặc định xung quanh hình ảnh là 0 và Stride mặc định là 1.def convolve2D(image, kernel, padding=0, strides=1): Such that the image and kernel are specified by the user and the default padding around the image is 0 and default stride is 1.def convolve2D(image, kernel, padding=0, strides=1): Such that the image and kernel are specified by the user and the default padding around the image is 0 and default stride is 1. Làm thế nào để bạn thực hiện tích chập trong 2D?Con chập 2D là một hoạt động khá đơn giản trong tim: bạn bắt đầu với một hạt nhân, chỉ đơn giản là một ma trận nhỏ của trọng lượng. Hạt nhân này trượt qua dữ liệu đầu vào 2D, thực hiện phép nhân phần tử theo phần đầu vào hiện tại, và sau đó tổng kết các kết quả thành một pixel đầu ra duy nhất. Làm thế nào để bạn tạo một hình ảnh chập?Để thực hiện tích chập trên một hình ảnh, nên thực hiện các bước sau .... Lật mặt nạ (theo chiều ngang và chiều dọc) chỉ một lần .. Trượt mặt nạ vào hình ảnh .. Nhân các phần tử tương ứng và sau đó thêm chúng .. Lặp lại quy trình này cho đến khi tất cả các giá trị của hình ảnh đã được tính toán .. Làm thế nào để convolve làm việc python?Phương thức Convolve () này trả về tích chập tuyến tính của hai mảng hoặc vectơ đơn, và toán tử toán học này thường được sử dụng trong xử lý tín hiệu như trong trường hợp này, các giao dịch không có mảng và mảng hoạt động như một tín hiệu sử dụng hai tín hiệu khác nhau (mỗi chiều một chiều) để có được ...returns the linear convolution of two single-dimensional arrays or vectors, and this mathematical operator is generally used in signal processing as in this case, the numpy deals with array and arrays act as a signal was using two different signals (each of one dimensional) to obtain discrete ...returns the linear convolution of two single-dimensional arrays or vectors, and this mathematical operator is generally used in signal processing as in this case, the numpy deals with array and arrays act as a signal was using two different signals (each of one dimensional) to obtain discrete ... |