使用Python+OpenCV實現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)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(fù)非常暗／亮的圖片（甚至可以修復(fù)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(dāng)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(dāng)?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(xué)習(xí)，最好的方法總是使用預(yù)先訓(xùn)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(yù)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
