基于像素梯度的深度学习:Pytorch:基于像素梯度的深度学习(HOG + CNN)-源码

上传者: 42117082 | 上传时间: 2021-03-12 10:14:49 | 文件大小: 212KB | 文件类型: ZIP
Pytorch:基于像素梯度的深度学习(HOG + CNN) 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比,精度更高。 Pytorch实现为自定义的torchvision.transforms 。 像素渐变阵列 图像的梯度方向是图像处理中的基本组成部分之一,并且经典用于“定向直方图(HOG)功能”,这是最成功的描述符之一。 该存储库是将其带入深度学习领域的建议: 制作量化像素渐变的3维数组(=“像素渐变数组”)。 使用像素梯度阵列作为深度学习模型(例如CNN)的输入。 像素渐变阵列的生成总结如下。 评估 通过使用MNIST数据集进行图像分类。 有关更多详细信息,请参见demo_mnist.py。 结果 火炬实施 如何在pytorch模型中实现像素渐变阵列。 步骤1:必要的模块 import numpy as n

文件下载

资源详情

[{"title":"( 8 个子文件 212KB ) 基于像素梯度的深度学习:Pytorch:基于像素梯度的深度学习(HOG + CNN)-源码","children":[{"title":"Pixel-Gradients-Based-DeepLearning-master","children":[{"title":"pga_differentiable.py <span style='color:#111;'> 6.32KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"demo_mnist.py <span style='color:#111;'> 6.13KB </span>","children":null,"spread":false},{"title":"pga.py <span style='color:#111;'> 2.78KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 41B </span>","children":null,"spread":false},{"title":"evaluation.png <span style='color:#111;'> 35.60KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 5.42KB </span>","children":null,"spread":false},{"title":"pixel_gradients_array.png <span style='color:#111;'> 187.72KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明