卷积中心差分

文章/答案/技术大牛

发布

1回答

python、python-3.x、numpy、vectorization

所以基本上我试着在二维数组上做有限差分，而不是做太多的for循环。我想要得到数组的Hessian矩阵和梯度。所以我需要数组的一阶和二阶导数。这可以通过对数组上的以下方程求值来实现。 ? 这基本上只是一个卷积，其内核如下所示 kernel = [1, 0 , -1] 因此，我们执行以下代码 from scipy.sigmal import convolve result = np.pad但在一些阵列中，原始情况和卷积情况之间的均方误差非常惊人。因此，在某些情况下，数值误差似乎增加了很多。我希望通过卷积

浏览 14提问于2020-04-29得票数 4

回答已采纳

1回答

Harris角点检测中的核掩码

image-processing、kernel、convolution、corner-detection、point-of-interest

// Convolution with horizontal differentiation kernel mask (src[-srcStride - 1] + src[-1] + src[srcStride - 1])) * 0.166666667f; float v = ((src[+srcStride - 1] + src[+src

浏览 11提问于2018-05-13得票数 0

1回答

用卷积掩模计算梯度

python、gradient、mask、convolution

. , -4. ]]) 我知道计算矩阵梯度的一种方法是用每个方向的掩码进行卷积，但是结果是不同的。

浏览 3提问于2012-06-05得票数 2

3回答

实现数字滤波器-通过卷积还是差分方程？

android、iphone、audio、signal-processing、fft

我正在研究的两种方法是：以下是我的

浏览 6提问于2011-12-07得票数 3

1回答

在Matlab中建立微分矩阵

matlab

我需要创建矩阵Dx和Dy，当二维区域(x)的列叠加表示乘以x方向和y方向上的部分差异时，Dx*x也会以向量形式给出x方向的部分导子(与x相同的维数)。f'(1，y) = f(2，y)-f(1，y) 我尝试使用融合代码创建矩阵：X = X(:)&#

浏览 5提问于2017-05-23得票数 0

1回答

利用ode45编程实现波形函数抛出误差

matlab、warnings、integration、ode

到目前为止，我还没有到达动画的一部分，因为我的ode45抛出一个错误。我使用了方程(可以在这里找到：)。

浏览 8提问于2019-12-20得票数 0

回答已采纳

1回答

svg feGaussianBlur: stdDeviation与大小的相关性

svg、blur、inkscape

当我用10%模糊Inkscape中的对象时，它会得到一个带有feGaussionBlur的过滤器，其stdDeviation为10% * size / 2。这个号码是从哪里来的？我猜是100% + 2.4 * (2*stdDeviation/size)，但是这2.4是从哪里来的呢？

浏览 8提问于2016-04-21得票数 2

回答已采纳

1回答

默认ConvectionTerm采用什么不同的方法？

fipy

我想知道默认的ConvectionTerm在fipy中使用哪种差分方法，迎风差分还是中心差分，或者其他？谢谢你的帮助。

浏览 14提问于2020-06-14得票数 0

6回答

边缘导数

code-golf、math

我最喜欢的近似导数的方法是中心差分，它比正向差分或向后差分更精确，而且我懒得去做更高级的事情。但是，中心的差异需要在您正在评估的点的两边都有一个数据点。通常情况下，这意味着在任何一个端点都没有导数。为了解决这个问题，我想让你切换到边处的正向和后向差：具体来说，我希望你们对第一点使用前向差分，对最后一点使用向后差分，对中间的所有点使用中心

浏览 0提问于2016-06-21得票数 9

1回答

用于边缘检测算法的高斯导数核

image-processing、gaussian、edge-detection

我正在看一种标记检测算法，并读取，它们使用一维高斯核导数来获得梯度。他们将屏幕分成5个像素的小扫描线，然后在水平和垂直方向上操作内核来计算梯度，我想知道它是如何做到的，即：[ -3 -5 0 5 3] * A那么垂直的那一个呢，只是像这样乘以转置的问题吗？对于另一边计算梯度方向，他们使用3x3Sobel内核，但是扫描线是5x5，有人知道它是如何完成的吗？

浏览 0提问于2018-05-04得票数 1

1回答

行军立方体中正规计算的简并情形

mesh

在第四节，他们解释了梯度可以首先使用中心差分，使用8个立方体共享顶点$(i，j，k)$。但是，考虑例如，本文中的案例1(图3)，假设有8个立方体，其中一个顶点"on“，所有其他"off”。所有的中心差分(假设二进制值)都会给出0，因此我无法估计立方体顶点中的法线，以及后来的线性插值。我错过了什么微妙的东西吗？我个人不会使用中心差分，但假设我在某个方向上扫描，然后在立方体边缘内插一个点，我会使用例如正向差<

浏览 0提问于2018-06-14得票数 4

2回答

OpenMDAO v1.x特征请求:导数检验方法中的有限差分法选项

openmdao

我们已经发现，我们的代码中有几个组件在使用正向或向后差分时不通过梯度检查，而在使用更精确的中央差分时通过。为了弥补这一点，我们在代码版本中修改了这些函数中的默认值，以使用中心差分。我们请求将导数检查方法所使用的有限差分方法作为选项，以便在其他用户运行时能够通过测试。

浏览 7提问于2015-11-20得票数 1

回答已采纳

1回答

检测非常小的圆圈并获取他们的信息(Opencv)

python、opencv、image-processing、computer-vision、hough-transform

我试图检测每一个小圆圈(这是从横截面图像的子午线轮胎的一部分)，如图像所示，并获得他们的信息(可选)。为了改进检测过程，我执行了一些图像处理步骤，包括中值模糊和二值阈值(一般的二值阈值和逆二值阈值)。

浏览 10提问于2022-03-19得票数 1

回答已采纳

1回答

为什么深度残差网络中的每个块都有两个卷积层而不是一个卷积层？

machine-learning、deep-learning、conv-neural-network、deeplearning4j、deep-residual-networks

 此图显示了残差网络的基本块。它有两个卷积层？当它只有一个卷积层时会发生什么？

浏览 4提问于2018-03-15得票数 0

2回答

python convolve2d似乎不正确

python、python-2.7、scipy、convolution

我将用第一个有限中心差分方程来做这个。F关于x的偏导数是我们可以将它写成一个卷积内核H=-1，1，并通过将图像与内核相转换得到相同的结果。in range(5): myImage[y,x]=y+x array([[ 0

浏览 3提问于2013-11-19得票数 5

1回答

Marr-Hildreth (Laplacian of aGaussian)滤波器的复杂度是多少？

image-processing、filtering、gaussian、edge-detection、laplacianofgaussian

高斯滤波器Laplacian的缺点是什么？我们为什么要追求高斯的差异？

浏览 0提问于2018-03-16得票数 0

回答已采纳

2回答

如何在matlab中度量梯度和Hessian矩阵？

matlab、matrix、hessian-matrix

维基百科将其定义为函数的二阶偏导数的方阵。[i,j]=gradient(im);filt2=(1./2).*[-1,0,-1;0,0,0;1,0,1];jj=(conv2(filt2,j)); Gy=conv2(jj,im); % Gradient of the image in y-axis dif_Gx = conv2(f_x,a); %

浏览 5提问于2014-02-05得票数 1

1回答

当“方法”是默认的牛顿时，数学的FindRoot的算法细节是什么？

wolfram-mathematica、arbitrary-precision、numerical-analysis、newtons-method

在求解一个三变量非线性系统时，我尝试了不同的实现：2) Matlab编程(用中心差分逼近Jacobian) 3) C++ (利用中心差分逼近

浏览 3提问于2013-11-08得票数 1

回答已采纳

1回答

Matlab -差分逼近中的误差

matlab、derivative

我们要研究前向差分和中心差分在差分近似中的误差，列出h=[1.E-3 1.E-4 1.E-5 1.E-6 1.E-7 1.E-8 1.E-9 1.E-10 1.E-11 1.E-12 1.E-13]的误差这就是我们的中心和前进的区别。

浏览 4提问于2011-09-08得票数 0

回答已采纳

1回答

卷积神经网络块表示法

neural-network、deep-learning、image-classification、convolution

“图像识别的深度残差学习”的论文在图3中说明了它们的剩余网络如下：我不是神经网络专家，所以有人能解释一下“3x3conv，256，/2”上面的高亮符号是什么意思吗？第一部分是清晰的(具有3x3像素窗口的卷积神经网络)，但是"256“和"/2”是什么？

浏览 0提问于2020-03-27得票数 3

回答已采纳

点击加载更多