卷积神经网络（CNN）：深度学习中的图像识别利器

Networks，简称CNN）是深度学习中用于处理具有网格结构数据（如图像）的一类神经网络。在这篇文章中，我将分享我对CNN的理解，以及如何使用Python和TensorFlow框架来实现一个简单的CNN模型。 CNN的基本概念 CNN是一种深度学习模型，它利用卷积层来提取图像特征，并通过池化

【图像边缘检测】基于matlab灰度图像的积累加权边缘检测【含Matlab源码 2010期】

一、基于灰度图像的积累加权边缘检测方法简介 1 引言 在图像分割中,边缘检测方法是人们研究得最多的方法,它试图通过检测包含不同区域的边缘来解决图像分割问题。图像的大部分主要信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,是图像中灰度变化比较剧烈的地方,

OpenCV中的深度学习目标检测

了解决这些问题，就要使用： 图像金字塔 滑动窗口 2.图像金字塔图像金字塔有助于解决不同尺度下的目标检测。 图像金字塔是一种以多分辨率来解释图像的结构，通过对原始图像进行多尺度像素采样的方式，生成N个不同分辨率的图像。把具有最高级别分辨率的图像放在底部，以金字塔形状排列，往上

神经网络在图像处理中的威力：深度学习的前沿

卷积神经网络（CNN） 卷积神经网络是图像处理领域最常用的神经网络之一。它通过卷积层、池化层和全连接层的组合，能够有效提取图像中的特征。 深度学习与图像分类 深度学习在图像分类任务中表现出色。通过大规模训练，神经网络能够自动学习图像的特征，实现高准确度的分类。 III.

MindSpore学习笔记9———图像处理(image processing)之图像分类迁移学习

在实际场景中，为了减少从头开始训练所带来的时间成本，大多数情况下会基于已有的模型来进行迁移学习。本章将会以狗和狼的图像分类为例，讲解如何在MindSpore中加载预训练模型，并通过固定权重来实现迁移学习的目的。首先准备环节要做好。要导入模块，代码如下：import osimport mathimport

《深度学习与图像识别：原理与实践》—2.3　Numpy使用详解

以将低维的数组复制成高维数组参与运算（因为Numpy运算的时候需要结构相同）。在学习图像识别的过程中，需要将图片转换为矩阵。即将对图片的处理简化为向量空间中的向量运算。基于向量运算，我们就可以实现图像的识别。2.3.1　创建数组现在就来关注下Numpy中的一些核心知识点。在Num

《深度学习与图像识别：原理与实践》—1.2.8　文字识别

ical Character Recognition），是利用光学扫描技术将票据、报刊、书籍、文稿及其他印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。该技术可应用于如表1-4所示的这些场景中。表1-4　文字识别技术的应用场景 图1-9　文字识别技术的应用场景

智能图像分析-智能家用电器图像目标检测统计计数检测与识别-艾科瑞特科技（iCREDIT）

能力，智能图像分析-智能家用电器图像目标检测统计计数检测与识别-艾科瑞特科技（iCREDIT），赋能智慧数据领域应用场景，让企业实现数字化升级；智能图像分析-智能家用电器图像目标检测统计计数检测与识别-艾科瑞特科技（iCREDIT），支持对图像中的家用电器目标进行检测统计计数，实

【问答官】什么是图像分类和物体检测？什么是图像分类和物体检测？举例说明

什么是图像分类和物体检测？什么是图像分类和物体检测？举例说明什么是图像分类和物体检测？什么是图像分类和物体检测？举例说明

【图像转换】基于matlab灰度图像转换彩色图像【含Matlab 1233期】

一、获取代码方式 获取代码方式1： 完整代码已上传我的资源：【图像转换】基于matlab灰度图像转换彩色图像【含Matlab 1233期】 获取代码方式2： 通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

《深度学习与图像识别：原理与实践》—1.2.7　医疗影像诊断

1.2.7　医疗影像诊断医疗数据中有90%以上的数据来自于医疗影像。医疗影像领域拥有孕育深度学习的海量数据，医疗影像诊断可以辅助医生做出判断（如图1-8），提升医生的诊断效率。目前，医疗影像诊断主要应用于如表1-3所示的这些场景中。表1-3　医疗影像诊断的应用场景 图1-8是肝脏及结节分割技术的影像分析结果。

MindSpore学习笔记11———图像处理(image processing)深度卷积对抗生成网络

器的任务是生成看起来像训练图像的“假”图像。判别器需要判断从生成器输出的图像是真实的训练图像还是生成的假图像。在训练过程中，生成器会不断尝试通过生成更好的假图像来骗过判别器，而判别器在这过程中也会逐步提升判别能力。这种博弈的平衡点是，当生成器生成的假图像看起来像训练数据时，判别器

OpenCV 特征点检测与图像匹配

特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。 一、Harris角点 角点是图像中最基本的一种关键点，它是由图像中一些几何结构的关节点构成，

深度学习实战（六）：使用 PyTorch 进行 3D 医学图像分割

代码已开源：MedicalZooPytorch 1. 项目简介   深度网络在计算机视觉领域的兴起，为经典的图像处理技术表现不佳的问题提供了最先进的解决方案。在泛化的图像识别任务中，包括物体检测、图像分类和分割、活动识别、光流和姿势估计等问题，可以轻松地声称DNN（深度神经网络）已经取得了卓越的性能。   伴

【问答官】图像检测算法的比较

FasterRCNN和YOLOV3算法的比较，两者有和区别，那个比较好？

深度学习与神经网络：实现图像生成和文本生成

深度学习和神经网络在近年来在图像生成和文本生成领域取得了显著的突破。通过深度学习模型和神经网络的结合，我们能够以前所未有的方式生成逼真的图像和自然流畅的文本。本篇博客将介绍如何使用深度学习和神经网络来实现图像生成和文本生成的任务，并探讨一些常见的应用案例。 理解深度学习与神经网络的基本原理

基于深度学习方法的端到端的图像去模糊

《深度学习与图像识别：原理与实践》—2.3.11　Numpy数组比较

2.3.11　Numpy数组比较Numpy有一个强大的功能是数组或矩阵的比较，数据比较之后会产生boolean值。示例代码如下：import numpy as npmatrix = np.array([ [5, 10, 15],[20, 25, 30],[35, 40, 45]])m

《深度学习与图像识别：原理与实践》—2.3.4　Numpy数组索引

2.3.4　Numpy数组索引Numpy支持类似list的定位操作，示例代码如下：import numpy as npmatrix = np.array([[1,2,3],[20,30,40]])print(matrix[0,1])得到的结果是2。上述代码中的matrix[0,1