我正在尝试获取rgb图像中每个通道的最大值。目前，我正在分别迭代每个通道，如下所示：g_max = rgb[2]:max()有没有办法将其理解为Torch中的一条语句有没有人能帮我想出可能的解决方案？
浏览 28提问于2016-09-21得票数 1
回答已采纳
1回答
因此，当我想在深入学习中对float64进行规范化时，我需要将float64_max变成1，或者只是每个图像的最大值为1？我读取了一个.nii文件以获得一个具有float64类型的3D数组，它的值非常大。我需要将其规范化为0-1和float32类型，以输入我的深度学习模型。所以我想知道哪种正常化方式更好或者更正确。使float64_max为1：
return torch.tensor(img / sys.float_info
浏览 3提问于2022-04-05得票数 0
1回答
在skimage中，数组的形状是(3042,4023,3)。在分割之后，我有大约3000个3042*4032数组表示的超像素。我的目标是对每个超像素进行，在红通道、蓝通道和绿通道上找到它们的最大值的像素比例。我已经有了一个函数，它给出了整个图像中最大值的索引：
def proportion_majoritaire_rgb_ima
浏览 2提问于2020-07-17得票数 0
回答已采纳
1回答
RGB到V(来自HSV)
、、、
我正在尝试将RGB图像转换为它的值组件。我不能使用RGB2HSV函数，因为我已经被指示在没有它的情况下转换它。如果我没有弄错，图像的值就是像素中R、G和B分量的最大值，所以这就是我试图实现的。“”“
浏览 5提问于2022-04-23得票数 -1
回答已采纳
下面是我传递给数据加载器的数据， train_path='/content/drive/MyDrive/Dataset_manual_pytorch/train'sequence_length = 28num_layers = 2 return out
浏览 220提问于2021-07-29得票数 0
1回答
我需要计算图像数据集中RGB值的协方差矩阵，然后将Cholesky分解应用于最终结果。RGB值的协方差矩阵是3x3矩阵M，其中M_(i，i)是信道i的方差，M_(i，j)是信道i和j之间的协方差。目前，我只是在试验用torch.randn(batch_size, 3, height, width)创建的图像。= torch.svd(rgb_cov_tensor)
epsilon =
浏览 39提问于2020-09-23得票数 3
回答已采纳
我有一个张量，包含4批RGB 128x128图像。张量具有形状(4,128,128,3)。我需要从这个张量中创建一个二进制掩码，如果图像不是黑色，则每个像素都是黑色的，图像是黑白的。我尝试了下面的masks = torch.where(image > 0, 1.0, 0.)。但是这样，产生的面具显然仍然有三个通道。那么，从RGB张量创建二进制掩码的最佳方法是
浏览 1提问于2022-01-20得票数 0
我正在尝试使用预先训练好的模型。这里是问题出现的地方 image = cv2.resize(image, (160,40)).transpose((2,1,0)) return decode_prob(output)
和
浏览 168提问于2020-05-16得票数 0
回答已采纳
1回答
我正试图在频域上用Pytorch对RGB图像进行采样。我在灰度图像上使用作为参考。由于Pytorch单独处理通道，我认为颜色空间在这里是无关的。本文概述的基本步骤是：
import torchimport numpy as np
img = src = cv2.imread('orig.
浏览 13提问于2022-02-16得票数 1
回答已采纳
2回答
我正在尝试将蒙版应用于图像。我有我的图像形状360,480，3和形状360,480，1的蒙版。我如何在Pytorch中创建与我的图像相同形状的蒙版？另外，在这种情况下，绿色和蓝色通道是将零作为元素还是与红色通道具有相同的值？谢谢
浏览 54提问于2021-10-03得票数 0
1回答
将掩码恢复为图像
、、、、
我的PyTorch模型为这三个类中的每一个输出一个值(0、1、2)的分割图像。在片场的准备过程中，我将黑色映射为0，红色映射为1，白色映射为2。我有两个问题： output = net(input) input = input.cpu().squeeze() input =(我希望第一幅
浏览 2提问于2020-10-08得票数 0
回答已采纳
下面是我写的函数： def channel_var(image_dataset): for image in image_dataset[1:]: return tuple(map(lambda x: x/len(image_dataset), torch.var(res[1]),
torch.var(res[2])))) 然后我
浏览 10提问于2019-09-26得票数 0
1回答
我有一个网络，其中有3个架构共享相同的分类器。_vgg_a(x1) op2 = self._vgg_b(x2) op3 = self._lambda * torch.sum(model_star.weight - torch.pow(torch.cdist(model1.weight+model2.weight), 2)))
在训练函
浏览 23提问于2021-06-16得票数 0
我试图通过一个包含像素数据的nparray循环。我想对每个像素值执行均衡化，并将它们显示为直方图。我已经通过以下几点实现了我的目标：plot(newImgPixelList, int(darkestValueStratch), int(whitestValueStratch))
所绘制的直方图一点也不平衡。它看起来几乎完全一样，就像我的
浏览 1提问于2018-05-15得票数 6
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
浏览 33提问于2021-06-02得票数 0
若要显示27x35形状的图像，请使用：for x in range(1 , 946):conv2 = torch.nn.Conv2d(3, 18, kernel_size=3, stride=1, padding=1)
conv2(torch.from
浏览 0提问于2018-06-30得票数 4
回答已采纳
在pytorch网站上，他们的教程中有下面的模型 def __init__(self):谢谢!
浏览 0提问于2019-05-07得票数 6
回答已采纳
1回答
我已经做了一些研究，并找到了一些现有的的答案，但我做了一些错误的地方。这是我的密码：{ GetDIBits(hdc, hbmp, 0, bm.bmHeight, &pixels[0], &bi, DIB_RGB</
浏览 0提问于2018-04-17得票数 1
回答已采纳
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
