使用Python+OpenCV实现神经网络预处理人脸图像的快速指南
前两幅图像的质量似乎更高(但你可以观察到一些压缩伪像)。线性方法的结果明显更平滑并且噪点更少。最后一个是像素化的。归一化我们可以使用normalize()函数应用视觉归一化,以修复非常暗/亮的图片(甚至可以修复低对比度)。该归一化类型(https://docs.opencv.org/3.4/d2/de8/group__core__array.html#gad12cefbcb5291cf958a85b4b67b6149f) 在函数参数中指定:norm_img = np.zeros((300, 300))norm_img = cv2.normalize(img, norm_img, 0, 255, cv2.NORM_MINMAX)例子:
当使用图像作为深度卷积神经网络的输入时,不需要应用这种归一化。在实践中,我们将对每个通道进行适当的归一化,比如减去平均值,然后除以像素级的标准差(因此我们得到平均值0和偏差1)。如果我们使用迁移学习,最好的方法总是使用预先训练的模型统计数据。结论在处理人脸分类/识别问题时,如果输入的图像不是护照图片,则检测和分离出人脸是一项常见的任务。OpenCV是一个很好的图像预处理库,不仅仅如此,它也是一个强大的工具,为许多计算机视觉应用…
来看文档吧!希望你喜欢这篇文章!
最新活动更多
-
4月26日立即报名 >> 【线上研讨会】TDK模块化电容器、电能质量解决方案
-
4月30日免费下载 >> SPM31智能功率模块助力降低供暖和制冷能耗,打造可持续未来!
-
4月30日限时免费下载>> 高动态范围(eHDR)成像设计指南
-
5月10日立即下载>> 【是德科技】精选《汽车 SerDes 发射机测试》白皮书
-
5月28日立即观看>> 【在线研讨会】Ansys镜头点胶可靠性技术及方案
-
5月31日立即报名>> 【线下论坛】新唐科技2024未来创新峰会
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论