低照度增强相关算法

低照度增强调研情况 目前使用的低照度增强方法主要包括四种:基于直方图均衡化的方法(HE);基于Retinex理论的方法;基于去雾模型的方法以及基于深度学习的方法。这些方法都是基本的方法,对于其他

深度学习(五)

卷积神经网络 边缘检测 适用的滤波核为: 用于检测垂直边缘,经过卷积之后,会将从亮变暗的边缘检测出来,结果显示高亮 水平边缘检测器: padding 1、单纯使用卷积时,根据公式最终结果是 (

反卷积神经网络介绍

反卷积是指:通过测量输出和已经输入重构未知输入的过程。在神经网络中,反卷积过程并不具备学习的能力,仅仅是用于可视化一个已经训练好的卷积网络模型,没有学习训练的过程。 下图所示为VGG 16反卷积

[April]总结和规划

[April]总结和规划 四月份是平淡的一个月,貌似没发生多少大事,所以我就简单总结下。 四月份清明节放假,寻思着趁放假把图书馆借的《批判性思维》和《暗时间》看完,没想到一直拖到前几天才看完。不