使用Python+OpenCV实现神经网络预处理人脸图像的快速指南
2020-05-23 10:38
磐创AI
关注
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！
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
3月27日立即报名>> 【工程师系列】汽车电子技术在线大会
-
即日-4.22立即报名>> 【在线会议】汽车腐蚀及防护的多物理场仿真
-
4月23日立即报名>> 【在线会议】研华嵌入式核心优势，以Edge AI驱动机器视觉升级
-
4月25日立即报名>> 【线下论坛】新唐科技2025新品发布会
-
在线会议观看回放>>> AI加速卡中村田的技术创新与趋势探讨
-
即日-5.15立即报名>>> 【在线会议】安森美Hyperlux™ ID系列引领iToF技术革新
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