1回答
我有一个维度为[18, 512, 512]的张量，表示512x512图像上多达18个特定对象的灰度热图。为了为我的条件GAN生成该图像的合适表示，我需要使用编码器将该张量重塑为[512, 4, 4]形状。然而，我不能理解如何实现这种转换，因为给定的维度对于直接的线性或卷积转换来说太不匹配了。解码器部分现在并不是特别重要，因为我只需要热图的低维表示来调节我的GAN，而不是重新创建这些图像。
浏览 20提问于2021-04-12得票数 0
我正在做一个个人项目，在那里我使用计算机视觉和回溯算法来解决sudoku难题。当我试图在一台新计算机上设置该项目时，此错误突然弹出。这是我训练我的简历部分模型的文件。from turtle import puimport cv2from keras.models import model_from_json
loaded_m
浏览 13提问于2022-09-17得票数 1
1回答
我有灰度图像，我在x_train和x_test中得到了它们的像素阵列。
x_train大小为(2500，21,512)，x_test大小为(500，21,512)。我想做一个CNN，以获得输出y_train以及(2500,21,512)和y_test as (500,21,512)，但这是我希望网络预测的其他图像的数组。如果不是为了我的图像，我怎么做同样的事情呢？
浏览 0提问于2021-05-11得票数 0
total.max()print(np.shape(total)正如您所看到的，该数组中有64个元素，有64个训练图像
浏览 0提问于2022-02-23得票数 0
若要显示27x35形状的图像，请使用：for x in range(1 , 946):matplotlib.pyplot.imshow(random_image_arr.reshape(27 , 35))
然后，我尝试使用torch.nn.Conv2d对图像应用卷积为了将卷积应用到图像中，我应该改变Conv2d的参数吗？
更新。random_image_arr = n
浏览 0提问于2018-06-30得票数 4
回答已采纳
1回答
如您所知，它的返回之一是形状为( 50000，32，32，3)的x_train numpy数组，它等于50000彩色，32x32像素图像。但是我混淆了元组应该是(50000，3，32，32)而不是(50000，32，32，3)，因为表示彩色图像的矩阵(在本例中)是放在彼此顶部的三维矩阵。这里有什么地方我弄错了吗？
浏览 1提问于2022-07-24得票数 1
操作:我有维度[n x m x c]的pytorch张量A和维度[1 x 1 x c]的B。我想将每个1 x 1 x c向量的内积与A的B相乘，从而生成[n x m]维的张量C。在我的网络的前向函数中，在特定的步骤我接收维度[N, channels, Height, Width]的张量，其中N是图像的数量，通道是特征映射中的通道的数量，高度和宽度是当前特征映射的。有人能解释一下pytorch中实现这一步的最佳方式和功能吗？ 我刚接触pytorch，找不到合适的方法。Tensorflow支
浏览 35提问于2019-01-31得票数 1
回答已采纳
如果你的图像是灰度的，我有一个关于卷积神经网络和用于训练的图像处理的一般问题。, 3)image.reshape(1024, 1024 , 1)plt.axis("off")plt.show()raise TypeError("Invalid dimensions for image data
浏览 88提问于2017-12-03得票数 0
回答已采纳
2回答
目前，我正在处理一个数据集，其中我有两种图像：“锐化版本”的图像和“模糊版本”的相同图像，其中模糊是人工添加的。我的目标是训练一个模型，该模型接受模糊版本的图像，并尝试尽可能多地对图像进行去模糊处理，以便“去模糊图像”更接近于锐化版本。在文献中，UNet架构似乎是一个效果良好的模型。此外，我还可以通过Pytorch ()使用预先训练好的U-Net。我现在的问题是:当我用我的图像训练这个预先训练好的U-Net，然后在我的测试集上尝试它时
浏览 33提问于2021-06-02得票数 0
我想为多通道图像(5通道)实现一个更快的RCNN架构，但是如果更直截了当的话，YOLO对我来说也是一样的。我对TF、PyTorch等没有特别的偏好，所以如果有人对其他库有建议/提示，欢迎您！
浏览 4提问于2020-02-11得票数 1
我已经训练了一个变分自动编码器(VAE)与一个额外的完全连接层后，编码器为二值图像分类。它是使用PyTorch闪电设置的。编码器/解码器是resnet18从PyTorch闪电螺栓回购。predicted_images, classification_score = variational_autoencoder(test_images)
当通过forward()时，对于单个图像和多个图像但是，当我将多幅图像
浏览 7提问于2022-05-27得票数 1
回答已采纳
1回答
我正在将一块像素从一幅图像复制到另一幅图像，因此我没有得到1:1的映射，但新图像的强度与源图像相差了1到2个强度级别。
你知道这可能是什么原因吗？
浏览 3提问于2012-02-15得票数 0
为了训练去噪自动编码器，我在输入数据中构造了x+n，在输出数据中构造了x(x:原始数据，n:噪声)。学习完成后，我通过一个去噪自动编码器(x_test + n_test -> x_test)获得去噪数据。然后，作为测试，我通过将输入和输出数据构造成相同的值来训练自动编码器，就像传统的自动编码器一样。因此，在测试阶段，我获得了类似于去噪自动编码器的去噪数据。为什么通过传统的自动编码器来消除噪音？
请告诉我这两个自动编码器的区别。
浏览 4提问于2018-08-05得票数 2
回答已采纳
1回答
在PyTorch中，我有一个批处理大小为256的RGB张量imgA。我想保留前128批的绿色通道和其余128批的红色通道，如下所示：imgA[128:,2,:,:] = imgA[128:,0,:也可以实现类似的目标但是，由于我有多个这样的图像，如imgA、im
浏览 4提问于2022-09-12得票数 1
回答已采纳
每个块都包含一个大小为64x64像素的未压缩图像。图像像素的格式为8位ABGR。numpy.array： buf = numpy.fromfile( dataFile, dtype=np.uint8, count=16384, offset=offs) 问题是，我如何将这个字节数组转换为Pytorch如果我理解正确的话，前面提到的卷积(Conv2d)要求张量具有单独的通道平面，而不是多通道像素的单个平面。 额外的问题是如何在此期间摆脱alpha-channel？
浏览 29提问于2021-02-10得票数 0
回答已采纳
OpenCV中的一个反复出现的问题是如何将单通道函数应用于多通道图像(如)。一般情况很简单：
从通道输出中收集结果图像。但是，当唯一改变的是应用于通道的函数(以及奇怪的额外参数)时，我不得不一遍又一遍地对相同的算法进行编码，这有点傻。OpenCV是否提供了上述算法的通用实现--将单通道函数应用于多通道
浏览 5提问于2014-01-06得票数 0
回答已采纳
我正在使用CIFAR 10数据集，并在从数据集中提取图像时遇到了完全相同的问题，如本文所示。
df_im =np.reshape(df‘’data‘，(df’‘data’
浏览 0提问于2018-04-27得票数 1
回答已采纳
1回答
我目前正在尝试从源映像条构造GIF图像，并且正在捕获以下异常错误：System.Runtime.InteropServices.ExternalException (0x80004005): A generericAt ... line 138.我使用的代码从控制台获取2个用户输入的文件路径，以允许用户选择使用哪个图像作为源，并为新文件定义路径。myGIF.SaveAdd( myBitmap , myEncoderParameters ); /*Line 55*/}
这里的方法是创建一个空位图，将特定的矩形帧从图像<
浏览 5提问于2014-04-11得票数 1
例如，dog =3个图像。cats = 54个图像。0.3019608 0.32941177]
[0.20784314 0.41568628 0.40392157 ... 0.42745098 0.21176471 0.3372549 ]] 这里是在重塑
浏览 14提问于2019-02-28得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
