“使用SVD进行图像降维的可视化比较” 是一项基于Python语言的图像处理工作，旨在通过应用奇异值分解（SVD）对图像进行降维，并通过可视化技术比较降低维度后的图像表现。
使用SVD进行图像降维的可视化比较，可以帮助我们理解图像中信息的重要程度，并通过减少维度来实现图像的压缩和去噪等操作。这项工作对于计算机视觉、图像处理以及数据分析等领域具有重要意义，并为图像处
2024-12-13 18:04:28
1004KB
1
包含数据集和源码，
使用CAE压缩图片，得到压缩的特征。例如将400*300维度的图片压缩为600维的特征。
- 训练
- 生成测试结果
- 生成中间结果
- 画图测试原图与重构图
# 其他
需要根据图片分辨率设置CAE格式
包含数据集和源码，
使用CAE压缩图片，得到压缩的特征。例如将400*300维度的图片压缩为600维的特征。
- 训练
- 生成测试结果
- 生成中间结果
- 画图测试原图与重构图
# 其他
需要根据图片分辨率设置CAE格式
2023-11-15 17:20:55
17.29MB
1
关于2DPCA的经典论文，由杨健老师完成，学习二维主成分分析必不可少的参考文献和学习资料,需要的同学可下载学习。
2021-11-12 07:09:51
2.38MB
1
SLIC 高光谱图像降维...........................................................................................................................................................................................................
2021-10-31 10:52:46
12KB
1
本研究回顾了基于主成分分析PCA和判别分析LDA的降维方法及其扩展，包括经典主成分分析、概率主成分分析、核主成分分析，以及线性判别分析、局部保持降维、图形嵌入判别分析和半监督降维分析。
2019-12-21 21:10:54
1020KB
1