2020年7月20日
HDR 2 数据集预处理
摘要： 1.python脚本：首先从bursts文件夹中的每一个单独的图像文件夹中取出一张原始DNG图片，统一保存到另一文件夹（所有原始图像的DNG格式）； 2.图像格式转换：使用imagemagick工具（官网下载：http://www.imagemagick.org/download/binaries/ 阅读全文
posted @ 2020-07-20 19:53 瞧七 阅读(410) 评论(0) 推荐(0) 编辑
HDR 1（介绍）
摘要： 动态范围：指从最暗的到最亮的；通常相机动态范围是有限的，大光比环境下都会出现亮部或暗部细节丢失的情况； HDR：高动态范围图像技术，这个动态范围大，能展示更丰富的层次，包含更广的色彩空间，可以记录更多的亮部和暗部细节，让原先的暗场景变得更明亮更通透； 原理：拍摄时分别拍摄三张不同曝光的图片，然后将三 阅读全文
posted @ 2020-07-20 19:52 瞧七 阅读(591) 评论(0) 推荐(0) 编辑
关于AR
摘要： ARcore：在移动设备移动时跟踪其位置并构建自己对现实世界的理解 1.ARcore使用运动跟踪，环境理解，光估测将虚拟内容与通过手机拍摄到的现实世界整合。 2.通过捕获摄像头图像中的特征点，计算其位置变化结合IMU提供的相对定位信息实现运动跟踪；检测特征点和平面的变化改进对现实世界的环境理解；检测 阅读全文
posted @ 2020-07-20 19:49 瞧七 阅读(139) 评论(0) 推荐(0) 编辑
2020年7月16日
云计算服务
摘要： 公有云： 公有云是部署云计算最常见的方式。公有云资源（如服务器和存储空间）由第三方云服务提供商拥有和运营，这些资源通过 Internet 提供。Microsoft Azure 是公有云的一个示例。在公有云中，所有硬件、软件和其他支持性基础结构均为云提供商所拥有和管理。在公有云中，你与其他组织或云“租 阅读全文
posted @ 2020-07-16 11:05 瞧七 阅读(272) 评论(0) 推荐(0) 编辑
2020年7月15日
初识kafka
摘要： Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。 转载自，基础介绍：https://juejin.im/post/5ddf5659518825782d599641 阅读全文
posted @ 2020-07-15 11:26 瞧七 阅读(110) 评论(0) 推荐(0) 编辑
2020年7月14日
神经网络小记2
摘要： 关于神经网络：1.只要训练数据足够，神经网络可以计算与任何函数足够近似的函数（注意：无法使用网络精确计算任何功能），它具备普遍性；2.这个函数必须是连续可导函数（神经网络利用现有的数据找出输入输出之间的近似权值关系，即最小化损失的一组参数值，然后利用这样的权值关系进行仿真）；3.神经网络应用：计算机 阅读全文
posted @ 2020-07-14 20:12 瞧七 阅读(117) 评论(0) 推荐(0) 编辑
卷积神经网络基础介绍
摘要： 1.了解卷积神经网络的发展历程：1962年提出Hubel-Wiesel模型，其中涉及简单细胞对应卷积层，复杂细胞对应池化层；1984年出现神经认知机（卷积神经网络的雏形）；1989年Lecun提出多层卷积神经网络LeNet用于手写数字识别，1994年诞生LeNet5；此后二十年不断进行深层结构优化与 阅读全文
posted @ 2020-07-14 20:11 瞧七 阅读(298) 评论(0) 推荐(0) 编辑
tensorflow小记2
摘要： with tf.device("gpu:1"): 该语句用来指派特定的CPU或GPU执行操作； 变量是为了维护图执行过程中的状态信息；当训练模型时，用变量来存储和更新参数，变量包含张量存放于内存的缓冲区，建模时需要被明确的初始化，模型训练后它们必须被存储到磁盘中；模型训练和分析时变量可被加载；变量的 阅读全文
posted @ 2020-07-14 20:08 瞧七 阅读(129) 评论(0) 推荐(0) 编辑
tensorflow运作方式
摘要： Tensorflow一般经过三阶段的模式函数操作： 模型 inference()阶段：尽可能构建好图表（graph），满足促使神经网络向前反馈并做出相应的预测要求； 策略 loss()阶段：往inference图表中添加生成损失（loss）所需要的操作（ops），如交叉熵损失，正则化损失； 算法 t 阅读全文
posted @ 2020-07-14 20:06 瞧七 阅读(148) 评论(0) 推荐(0) 编辑
CNN之MixNet
摘要： 关于MixNet:1.NAS:神经架构搜索，从定义一组神经网络可能会用到的“建筑模块”开始，NAS算法用一个RNN做控制器，从这些模块中挑选，然后将它们放在一起，创造某种端到端的架构（好坏取决于选择的模块和它们之间构建的连接）；接着训练这个网络，让其收敛，得到验证集上的准确率，通过策略梯度更新控制器 阅读全文
posted @ 2020-07-14 20:03 瞧七 阅读(361) 评论(0) 推荐(0) 编辑