首页
/
每日頭條
/
生活
/
卷積神經網絡識别圖像的基本原理
卷積神經網絡識别圖像的基本原理
更新时间:2025-04-04 09:30:39

在圖像處理任務中,常用拉普拉斯算子對物體邊緣進行提取,拉普拉斯算子為一個大小為3×3的卷積核,中心元素值是8,其餘元素值是−1-1−1

先根據二維卷積算子,構造一個簡單的拉普拉斯算子,并對一張輸入的灰度圖片進行邊緣檢測,提取出目标的外形輪廓。

一、定義一個帶步長和填充的二維卷積算子

# 帶步長和填充的二維卷積算子 import paddle class Conv2D(paddle.nn.Layer): def __init__(self,kernel_size,stride=1,padding=0, weight_attr=paddle.ParamAttr( initializer=paddle.nn.initializer.Constant(value=1.0))): super(Conv2D,self).__init__() self.weight=paddle.create_parameter(shape=[kernel_size,kernel_size], dtype='float32',attr=weight_attr) #步長 self.stride=stride #零填充 self.padding=padding def forward(self,x): new_x=paddle.zeros(shape=[x.shape[0],x.shape[1] 2*self.padding,x.shape[2] 2*self.padding]) new_x[:,self.padding:x.shape[1] self.padding,self.padding:x.shape[2] self.padding]=x u,v=self.weight.shape output_w=int((x.shape[1]-u 2*self.padding)/self.stride 1) output_h=int((x.shape[2]-v 2*self.padding)/self.stride 1) output=paddle.zeros(shape=[x.shape[0],output_w,output_h]) for i in range(output_w): for j in range(output_h): output[:,i,j]=paddle.sum( new_x[:,i*self.stride:i*self.stride u,j*self.stride:j*self.stride v]*self.weight, axis=[1,2]) return output

#測試算子 inputs=paddle.randn([2,8,8]) conv2d_padding=Conv2D(kernel_size=3,padding=1) outputs=conv2d_padding(inputs) print(outputs.shape) conv2d_stride=Conv2D(kernel_size=3,stride=2,padding=1) outputs=conv2d_stride(inputs) print(outputs.shape)

#輸出, #從輸出結果看出,使用3×3大小卷積,padding為1,當stride=1時,模型的輸出特征圖可以與輸入特征圖保持一緻; #當stride=2時,輸出特征圖的寬和高都縮小一倍。 [2, 8, 8] [2, 4, 4]

卷積神經網絡識别圖像的基本原理(97.人工智能使用卷積運算完成圖像邊緣檢測)1

輸出後的長度和寬度計算方式

二、構造一個簡單的拉普拉斯算子,進行圖像邊緣檢測

import matplotlib.pyplot as plt from PIL import Image import numpy as np #讀取圖片灰度圖 img=Image.open("img/catgray.jpg") inputs=np.array(img).astype(np.float32) print(inputs.shape) #設置卷積核 w=np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]],dtype=np.float32) print(w.shape) #創建卷積算子,卷積核為w,步長為1,零填充為1 conv=Conv2D(kernel_size=3,stride=1,padding=1, weight_attr=paddle.ParamAttr(initializer=paddle.nn.initializer.Assign(value=w))) #将圖片轉換為tensor inputs=paddle.to_tensor(inputs) print(inputs.shape) inputs=paddle.unsqueeze(inputs,axis=0) print(inputs.shape) outputs=conv(inputs) outputs=outputs.numpy() print(outputs.shape) #可視化結果 plt.figure(figsize=(8,4)) plt.subplot(121) plt.imshow(img) plt.subplot(122) plt.imshow(outputs.squeeze(),cmap='gray') plt.show()

#輸出的形狀,最後輸出圖像的形狀保持不變 (100, 100) (3, 3) [100, 100] [1, 100, 100] (1, 100, 100)

卷積神經網絡識别圖像的基本原理(97.人工智能使用卷積運算完成圖像邊緣檢測)2

檢測結果

從輸出結果看,使用拉普拉斯算子,目标的邊緣可以成功被檢測出來。

卷積神經網絡識别圖像的基本原理(97.人工智能使用卷積運算完成圖像邊緣檢測)3

卷積神經網絡識别圖像的基本原理(97.人工智能使用卷積運算完成圖像邊緣檢測)4

catgray.jpg

,
Comments
Welcome to tft每日頭條 comments! Please keep conversations courteous and on-topic. To fosterproductive and respectful conversations, you may see comments from our Community Managers.
Sign up to post
Sort by
Show More Comments
推荐阅读
選購太湖珍珠的技巧是什麼
選購太湖珍珠的技巧是什麼
1、手感法。好的珍珠手摸有清涼之感,如果是仿的珍珠則摸起來隻有光滑感。2、牙咬法。優質的珍珠牙咬無光滑感,有凹凸感、沙感。而仿珍珠用牙咬則有光滑感,甚至局部還會脫落。3、直觀法。好的珍珠有自然的五彩光,同一串手鍊或者項鍊中中,珍珠的大小、形狀都會有些差異的,而仿珍珠形狀為球形,光澤形狀方面都非常統一...
2025-04-04
醬炒韭菜雞蛋的家常做法
醬炒韭菜雞蛋的家常做法
第一、韭菜收拾清洗幹淨,控幹水分,切成寸段。第二、雞蛋打入碗中,攪拌成雞蛋液。第三、碗裡放入一匙兒豆醬,兌少量的水,稀釋成醬汁。切好蔥,姜,備用。第四、鍋裡放入油加熱,油熱後放入攪拌好的雞蛋液,小火煎塌。第五、煎塌至雞蛋液凝固成餅狀後,把雞蛋滑開翻炒,然後放入稀釋好的醬汁。第六、醬汁炒出醬香味後,放...
2025-04-04
怎麼保養金珍珠飾品
怎麼保養金珍珠飾品
1、金珍珠不宜與化妝品接觸,不能放在化妝品的粉盒子裡,更不可放在密封的塑料袋裡,最好放在通氣的地方,這樣才能保持金珍珠的光彩。2、金珍珠尤忌油煙熏污,污漬油膩滲透進金珍珠層裡就會變色,這是因為金珍珠的主要成份是碳酸鈣,酸性的和堿性的液體接觸金珍珠,會使它黯然無光。3、金珍珠飾物在佩戴後,可用軟牙刷沾...
2025-04-04
超好吃的絲瓜炒豆腐做法
超好吃的絲瓜炒豆腐做法
第一、取新鮮的小絲瓜四個,因為家裡吃飯人多,一般都選用的菜量就大些,吃飯人數少的話,量可以減半。把絲瓜放入洗菜盆洗淨,用刮刀去皮切掉兩頭待用。第二、這一步切絲瓜,我選用的是滾刀切法,把絲瓜如圖斜切一刀,再把絲瓜換個方向在切,這樣如圖把所有絲瓜切完待用,這個最好不要切薄片,因為絲瓜容易出水,我用滾刀法...
2025-04-04
和女孩聊天的套路
和女孩聊天的套路
第一、聊女孩感興趣的話題和女孩聊天,要多聊女孩感興趣的話題,可以聊聊時尚、明星、影視、愛好等,這些都是女孩普通感興趣的方面,會聊得比較輕松,氣氛好。第二、三思而後說和女孩聊天,要多想少說,說之前,先在腦中想一遍,感覺可能會令女孩不愉快的話不要說,語速盡量放慢,這樣,可以有較多的時間思考下一句要說的話...
2025-04-04
Copyright 2023-2025 - www.tftnews.com All Rights Reserved