深入浅出pytorch -03 计算机视觉CV

基础图像变换操作

1 空间域

1. Gamma Correction 伽马校正
   $v' = \alpha v^{\gamma}$v′=αvγ第一：图像像素值代表着亮度（Brightness）
   第二：$\gamma>1$γ>1的时候，高亮度区域的变化即细节增加，低亮度细节减少。

2. sober算子
   边缘检测
   具体可以搜索百度百科

2 频域
傅里叶变化
高频为细节，为轮廓。
低通滤波可以过滤细节。

图像特征提取

1. SIFT:scale-invariant feature Transform
   1. 首先计算 金字塔表示（Pyramid Representation）
      高斯滤波 + 下采样
   2. 找到图像金字塔中的特征点：
      拉普拉斯滤波器
      通过之前的高斯滤波和拉普拉斯整合可以成为， LoG高斯拉普拉斯滤波器。
      LoG 计算代价高，用DoG近似。

卷积层

1. 卷积
2. 转置卷积，反卷积
   【如果想了解怎么卷积？怎么反卷积？如何形成卷积矩阵和数据列向量的乘积？？？请看Im2Col GEMM】
   我就搬运图，过程如下：

###　转置卷积

二维卷积下，默认的pytorch输入张量为 N,C,H,W
dilation 扩张卷积，增加感受野
transposed 控制是否进行转置卷积，也就是反卷积

未完待续。。。。