在计算机中，按照颜色和灰度的多少可以将图像分为四种基本类型。 　　1. 二值图像 　　2. 灰度图像 　　3. 索引图像 　　4. 真彩色RGB图像 1. 二值图像 一幅二值图像的二维矩阵仅由0、1两个值构成，“0”代表黑色，“1”代白色。由于每一像素（矩阵中每一元素）取值 ...

三类区域：平坦区域、边缘区域和纹理区域。 噪声在图像中属于细节部分 通过过完备小波的分解，图像的边缘和纹理可以得到更好的表达。 选取处于中间级别的第二级小波的三个子带来对图像信息进行描述。 过完备小波分解获得了水平、垂直以及对角子带的小波分量，分别对应于图像中的水平、垂直和对角方向 ...

图像分类 本教程源代码目录在book/image_classification,初次使用请您参考Book文档使用说明。 #说明: 1.硬件环境要求： 本文可支持在CPU、GPU下运行 2.Docker镜像支持的CUDA/cuDNN版本： 如果使用了Docker运行Book，请注意：这里所提 ...

一、图像分类介绍 　　什么是图像分类，核心是从给定的分类集合中给图像分配一个标签的任务。实际上，这意味着我们的任务是分析一个输入图像并返回一个将图像分类的标签。标签来自预定义的可能类别集。 　　示例：我们假定一个可能的类别集categories = {dog, cat, eagle}，之后 ...

内容参考自：https://zhuanlan.zhihu.com/p/20894041?refer=intelligentunit 用像素点的rgb值来判断图片的分类准确率并不高，但是作为一个练习knn的题目，还是挺不错的。 1. CIFAR-10 CIFAR-10是一个图像分类 ...

1 图像分类问题 1.1 什么是图像分类 所谓图像分类问题，就是已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。虽然看起来挺简单的，但这可是计算机视觉领域的核心问题之一，并且有着各种各样的实际应用。计算机视觉领域中很多看似不同的问题 ...

AlexNet 大致框架AlexNet是深度神经网络的开山之作，其中包括前五层是卷积层、三层的全连接层、和softmax层分类。其中使用了ReLU激活函数、局部响应归一化、重叠池化、在最后一层的全连接上dropout。 优点：使得速度变快，使用relu激活函数，使用重叠池化，droupout ...

1、前言　　 在工业产品缺陷检测中，基于传统的图像特征的缺陷分类的准确率达不到实际生产的要求，因此想采用CNN来进行缺陷分类。 　　传统缺陷分类思路： 　　1、缺陷图片分离：先采用复杂的图像处理方法，将缺陷从采集的图像中分离处理； 　　2、特征向量构建：通过对不同缺陷种类的特征进行分析 ...