np.pad()用于卷积网络中对图片进行填充
有一张RGB的图像,我们要在这个图像的周围加上填充元素,使得这个图像不会再卷积操作后导致边缘信息丢失和图像尺寸的减小。
为此,我们需要padding操作,numpy库中对这个进行了封装numpy.pad()函数:
对一个一维数组来说:
但是我们的图像至少是二维的(灰度图),我们要在这样的格式下进行填充,就需要理解到图像在空间位置上的脑补图:
在参数传递中,我们只需要计算每一纬度的(x,z)轴的二维数组就好了,在np.pad的实参中,arr3d是原矩阵,((0,0),(1,1),(1,1))中的第一个元组是y轴,第二个元组是z轴,第三个元组是x轴。亲测确实是这样的。
同样对于一个加入了样本集的批处理padding操作的时候我们的操作也是这样子的:
这是我们定义的批处理padding函数;
我们的x和pad值是:
(4,3,3,2)代表的意思就是:我传入了4个样本,这每一个样本的构造是:3维的RGB图像中:每一维R,G,B中是有3*2的矩阵构造的,也就是3x2个像素点。
所以按照我们一开始的解释来说,对于样本数目我们不需要处理,也就是np.pad方法中第一个(0,0)代表是样本的数目。
对于y轴我们不需要处理,x和z轴我们填充pad个数值为0的数,这里的constant_values关键字可以没有,没有的话默认就是0,我在这里只不过是为了记录pad方法的具体参数。
我们如何去取上述4个样本的元素?
如果我们想取出第2个样本的G颜色的像素矩阵,那么就是x[1,1]如果我们想取第2个样本的RGB所有的像素矩阵:x[1].
2019-3-24更正
在上面我记录的(4,3,3,2)表示随机生成的意思要按照图片的定义来走,这里的4确实是样本数,但是通道数这里是2,因为读取一个64x64像素的RGB照片的时候,他的ndarray是(64,64,3)所以随机生成的数要大致按照图片的格式走。
上面的照片就是正确的取出一个3x3的单通道的矩阵。
这里还记录一个问题,图像的灰度图也是一个2维矩阵,只不过这里的灰度图是有一个根据RGB的换算的格式去算的,一个RGB图片的基本单元是像素,每一个像素是有RGB三个通道的值组合而成的,那么得到了RGB三个通道的矩阵后如何得到一个彩色图像的?
这里我看了下RGB转化为灰度图的格式:
Grey = 0.299*R + 0.587*G + 0.114*B
那么我假定一个像素的真实色彩是有RGB公式得到的一个值,这个值对应了五花八门的颜色的一种。假设是否成立有时间再讨论。
np.pad()用于卷积网络中对图片进行填充相关推荐
- CVPR2020:点云分析中三维图形卷积网络中可变形核的学习
CVPR2020:点云分析中三维图形卷积网络中可变形核的学习 Convolution in the Cloud: Learning Deformable Kernels in 3D Graph Con ...
- 深度学习卷积网络中反卷积/转置卷积的理解 transposed conv/deconv
搞明白了卷积网络中所谓deconv到底是个什么东西后,不写下来怕又忘记,根据参考资料,加上我自己的理解,记录在这篇博客里. 先来规范表达 为了方便理解,本文出现的举例情况都是2D矩阵卷积,卷积输入和核 ...
- 【CV论文解读】AAAI2021 | 在图卷积网络中超越低频信息
论文解读者:北邮 GAMMA Lab 博士生 薄德瑜 题目: 在图卷积网络中超越低频信息 会议: AAAI 2021 论文链接: https://arxiv.org/abs/2101.00797 图 ...
- (pytorch-深度学习系列)卷积神经网络中的填充(padding)和步幅(stride)
卷积神经网络中的填充(padding)和步幅(stride) 之前写过一篇blog,描述CNN网络层的输入和输入尺寸的计算关系,但是并没有描述的很全面,这里全面描述了影响输出尺寸的两个超参数paddi ...
- 编程实现路由算法 实验报告_lt;中国通信专刊gt; EARS:用于软件定义网络中自动路由的智能驱动体验网络架构...
题目:EARS:用于软件定义网络中自动路由的智能驱动体验网络架构 摘要:软件定义网络(SDN)通过将控制平面与数据平面解耦来适应逻辑集中的控制,并提供对网络资源的有效利用.但是,由于传统路由策略依赖于 ...
- Gram矩阵与卷积网络中的卷积的直观理解
Gram矩阵其实是一种度量矩阵.矩阵分析中有这样的定义. 设 V V是nn维欧式空间 ϵ1,⋯,ϵn \mathbf{\epsilon_1, \cdots, \epsilon_n }是它的一个基, g ...
- 卷积网络中的通道(Channel)和特征图
卷积网络中有一个很重要的概念,通道(Channel),也有叫特征图(feature map)的. 首先,卷积网络中主要有两个操作,一个是卷积(Convolution),一个是池化(Pooling). ...
- (转)卷积网络中的通道(Channel)和特征图
今天介绍卷积网络中一个很重要的概念,通道(Channel),也有叫特征图(feature map)的. 首先,之前的文章也提到过了,卷积网络中主要有两个操作,一个是卷积(Convolution),一个 ...
- 卷积网络中的通道、特征图、过滤器和卷积核
卷积网络中的通道.特征图.过滤器和卷积核 1.feature map 1 feature map 在cnn的每个卷积层,数据都是以三维形式存在的.你可以把它看成许多个二维图片叠在一起(像豆腐皮一样), ...
- 卷积网络中的通道(channel)和特征图(feature map)
卷积网络中的通道(Channel)和特征图 转载自:https://www.jianshu.com/p/bf8749e15566 今天介绍卷积网络中一个很重要的概念,通道(Channel),也有叫特征 ...
最新文章
- 根据数组中对象的属性值排序倒叙
- python网格搜索核函数_(转载)Python机器学习笔记GridSearchCV(网格搜索)
- 通过PPA升级你的LibreOffice
- Git、Github、Gitlab、Gitee、Git-ce的区别
- Gateway网关系列(二):SpringCloud Gateway入门实战,路由规则
- 微信小程序电商实战-购物车(上)
- html5中audio支持音频格式
- Winfrom 定时锁屏
- AWVS12 docker版本安装
- vue开发pc端支付方式(支付宝、微信、银联)
- 密码编码学与网络安全-------原理与实践(第七版)
- Linux如何进BIOS看硬盘,bios模式下怎么看硬盘
- 第一章 SpringMvc---Web MVC简介
- 手机网速正常电脑很慢_路由器WiFi速度正常,但电脑和手机上网速度慢怎么办?...
- MTK6577+Android之音频(audio)移植
- 北漂小斌和你分享宋代建筑模数斗拱材分制的学习方法以及CAD案例图纸
- python降低图像分辨率_降低DDS图像的分辨率
- 是不是选择任何一个方向,都会游向同一个宿命呢
- 数字IC设计---反相器相关知识
- 欢迎大家关注我创办的北京圣思园科技有限公司IT高端就业培训