【机器视觉】图像处理 -- 上采样和下采样 数据增强 稀疏矩阵
目录
上采样和下采样
数据增强
稀疏矩阵
上采样和下采样
概念
缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的有两个:1、使得图像符合显示区域的大小;2、生成对应图像的缩略图。
放大图像(或称为上采样(upsampling)或图像插值(interpolating))的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。
对图像的缩放操作并不能带来更多关于该图像的信息, 因此图像的质量将不可避免地受到影响。然而,确实有一些缩放方法能够增加图像的信息,从而使得缩放后的图像质量超过原图质量的。
下采样原理:对于一副图像I尺寸为M*N,对起进行s倍下采样,即得到(M/s)*(N/s)尺寸的分辨率图像,当然,s应该是M和N的公约数才可以,如果考虑是矩阵形式的图像,就是把原始图像s*s窗口内的图像编程一个像素,这个像素点的值就是窗口内所有像素的均值。
Pk = Σ Ii /
上采样原理:图像放大几乎都是采用内插值方法,即在原有图像像素的基础上在像素点之间采用合适的插值算法插入新的元素。
插值算法还包括了传统插值,基于边缘图像的插值,还有基于区域的图像插值。
关于采样与池化的关系:
其实下采样就是池化。
采样层是使用 pooling的相关技术来实现的,目的就是用来降低特征的维度并保留有效信息,一定程度上避免过拟合。但是pooling的目的不仅仅是这些,他的目的是保持旋转、平移、伸缩不变形等。采样有最大值采样,平均值采样,求和区域采样和随机区域采样等。池化也是这样的,比如最大值池化,平均值池化,随机池化,求和区域池化等
数据增强
这位博主写的很棒:https://blog.csdn.net/u010414589;
稀疏矩阵
这位博主写的很棒:https://blog.csdn.net/yhb1047818384
致谢
https://www.cnblogs.com/fengli9998/p/7827812.html
https://blog.csdn.net/u010414589
https://blog.csdn.net/yhb1047818384
【机器视觉】图像处理 -- 上采样和下采样 数据增强 稀疏矩阵相关推荐
- python使用imbalanced-learn的SMOTEENN方法同时进行上采样和下采样处理数据不平衡问题
python使用imbalanced-learn的SMOTEENN方法同时进行上采样和下采样处理数据不平衡问题 机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜(c ...
- python使用imbalanced-learn的SMOTETomek方法同时进行上采样和下采样处理数据不平衡问题
python使用imbalanced-learn的SMOTETomek方法同时进行上采样和下采样处理数据不平衡问题 机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜 ...
- 数据不平衡(class_weight、评估方法、上采样、下采样)、详解及实战
数据不平衡(class_weight.评估方法.上采样.下采样).详解及实战 核心学习函数方法: np.random.choice() np.where() np.concatenate() np.v ...
- 数据上采样和下采样_采样不足以配置您的ml数据
数据上采样和下采样 By Isaac Backus and Bernease Herman 艾萨克·巴库斯(Isaac Backus)和伯尼瑟斯·赫曼(Bernease Herman) It's 20 ...
- 彻底分清机器学习中的上采样、下采样、过采样、欠采样【总结】
今天看了篇中文的硕士论文,读着读着感觉有点奇怪,仔细一看原来他把下采样和欠采样搞混了,这里笔者就详细区分一下各个名称的概念. 文章目录 1. 上采样&下采样 2.过采样&欠采样 3.信 ...
- 上采样、下采样、过采样、欠采样
1. 过采样和欠采样 这是两种解决分类训练过程中数据量不平衡的采样方法 拿二分类举例,期望阳性样本数量:阴性样本数量 = 1:1,但实际上阳性样本数量:阴性样本数量 = 1000:100 过采样 将1 ...
- RF信号下采样/矩阵下采样(附python实现代码)
之前对于RF信号下采样这个问题特别的懵,上采样我是知道的,其中一种方法就是对于矩阵插值,使得它具有更多的信息. 但是下采样,我查了很多资料,在知网上看到一篇论文(好像不是计算机领域的),他对于矩阵下采 ...
- Imblearn package study(不平衡数据处理之过采样、下采样、综合采样)
Imblearn package study 1. 准备知识 1.1 Compressed Sparse Rows(CSR) 压缩稀疏的行 2. 过采样(Over-sampling) 2.1 实用性的 ...
- OpenCv 金字塔之上采样与下采样
常见两类图像金字塔 高斯金字塔 ( Gaussian pyramid): 用来向下/降采样,主要的图像金字塔 拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像重建上层未采样 ...
最新文章
- 2021年大数据ZooKeeper(四):ZooKeeper的shell操作
- RDKit | 基于多片段的分子生成(骨架A+骨架B+骨架C)
- 静态成员函数不能采用const修饰的原因
- DNS浅析-Bind软件的使用及搭建一个简单的DNS缓存服务器
- JavaScript的Cookie操作
- 控制台上的内容不输入到nohup.out
- TCP:传输控制协议简单讲解(八)
- SpringMVC学习——对于SpringMVC的整体认识
- 2020亚太杯数学建模_比赛 | 2020年APMCM亚太地区大学生数学建模竞赛
- HDU中一些DP的题目分类
- 比亚迪赵长江:腾势今年将发布两款 SUV、一款 MPV
- TensorFlow 安装
- 1.命令行窗口(小黑屏)、CMD窗口、终端、shell、DOS窗口
- Ghost 博客平台安装和配置
- zabbix配置web监控实现网页监控
- linux命令 dstat,dstat命令
- maikr博客伴侣全新发布,支持博客备份和博客搬家
- VS2017下搭建OPEN CASCADE
- 106句激励自我的话
- String截取指定字符前面(后面)所有字符和String的常用方法
热门文章
- 新款戴尔笔记本win10系统改win7 安装教程
- 【Hexo】GitHub_Page绑定阿里云域名
- 简单测试OPA627运放真伪的方法
- 计算机进制转进制,计算机中进制及进制转换
- 阿里员工炫富:涨薪5K,5个月年终,华为员工:这也好意思说!小米却签放弃年终奖军令状?...
- LS1046A 调试记录
- MacOS(一)——解决苹果系统Mac时光机器备份需要很大空间和Mac删除文件后空间没有释放问题
- springboot源码解析-管中窥豹系列之BeanFactoryPostProcessor(十一)
- 角蜂鸟AI视觉套件:(二)人工智能深度体验
- PIC16F887的电子消毒柜设计