使用Python+OpenCV實現(xiàn)神經(jīng)網(wǎng)絡(luò)預處理人臉圖像的快速指南
前兩幅圖像的質(zhì)量似乎更高（但你可以觀察到一些壓縮偽像）。線性方法的結(jié)果明顯更平滑并且噪點更少。最后一個是像素化的。歸一化我們可以使用normalize（）函數(shù)應(yīng)用視覺歸一化，以修復非常暗／亮的圖片（甚至可以修復低對比度）。該歸一化類型（https：／／docs．opencv．org／3．4／d2／de8／group＿＿core＿＿array．html＃gad12cefbcb5291cf958a85b4b67b6149f） 在函數(shù)參數(shù)中指定：norm＿img ＝ np．zeros（（300， 300））norm＿img ＝ cv2．normalize（img， norm＿img， 0， 255， cv2．NORM＿MINMAX）例子：
當使用圖像作為深度卷積神經(jīng)網(wǎng)絡(luò)的輸入時，不需要應(yīng)用這種歸一化。在實踐中，我們將對每個通道進行適當?shù)臍w一化，比如減去平均值，然后除以像素級的標準差（因此我們得到平均值0和偏差1）。如果我們使用遷移學習，最好的方法總是使用預先訓練的模型統(tǒng)計數(shù)據(jù)。結(jié)論在處理人臉分類／識別問題時，如果輸入的圖像不是護照圖片，則檢測和分離出人臉是一項常見的任務(wù)。OpenCV是一個很好的圖像預處理庫，不僅僅如此，它也是一個強大的工具，為許多計算機視覺應(yīng)用…
來看文檔吧！希望你喜歡這篇文章！
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布：挑戰(zhàn)英偉達AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇，探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊，“AI四小龍”已折戟兩家
- 4 “AI寒武紀”爆發(fā)至今，五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD，AI含量差幾何？
- 6 光計算迎來商業(yè)化突破，但落地仍需時間
- 7 東陽光：2024年扭虧、一季度凈利大增，液冷疊加具身智能打開成長空間
- 8 地平線自動駕駛方案解讀
- 9 封殺AI“照騙”，“淘寶們”終于不忍了？
- 10 優(yōu)必選：營收大增主靠小件，虧損繼續(xù)又逢關(guān)稅，能否乘機器人東風翻身？
