文件名称：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）
文件大小：212KB
文件格式：ZIP
更新时间：2024-03-12 06:06:11
Python
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
【文件预览】：
Pixel-Gradients-Based-DeepLearning-master
----pga_differentiable.py(6KB)
----LICENSE(1KB)
----demo_mnist.py(6KB)
----pga.py(3KB)
----.gitignore(41B)
----evaluation.png(36KB)
----README.md(5KB)
----pixel_gradients_array.png(188KB)