下面的记录只是方便自己翻阅，建议去原博客观看Pytorch 分布式训练主要有两种方式：torch.nn.DataParallel ==> 简称 DP torch.nn.parallel.DistributedDataParallel ==> 简称DDP其中 DP 只用于单机多卡，DDP 可以用于单机多卡也可用于多机多卡，后者现在也是Pytorch训练的主流用法，DP写法比较简单，但即使
转载
2024-01-29 01:43:00
0阅读
大四毕业后的这个暑假正式开始学习openCV参考教程：唐宇迪老师： https://www.bilibili.com/video/BV1tb4y1C7j71.傅里叶变换傅里叶变换的作用高频：变化剧烈的灰度分量，例如边界低频：变化缓慢的灰度分量，例如一片大海滤波：低通滤波器：只保留低频，会使图像模糊高通滤波器：只保留高频，会使得图像细节增强opencv中主要是cv2.dft()和cv2.idft()
转载
2024-02-22 14:48:02
566阅读
# DCT的实现与PyTorch
离散余弦变换（DCT, Discrete Cosine Transform）是一种广泛应用于信号处理、图像压缩（如JPEG格式）等领域的重要工具。与离散傅里叶变换（DFT）类似，DCT也将信号从时域转换到频域，但在一些情况下，它能够提供更高的压缩效益和更好的视觉效果。本文将介绍DCT的基本概念，如何在PyTorch中实现DCT，以及应用示例。
## DCT的基
# 深入理解PyTorch中的DCT变换
离散余弦变换（DCT）是一种在信号处理和图像处理领域非常重要的变换。它通常用于数据压缩，例如JPEG图像压缩。本文将介绍DCT的基本概念，如何在PyTorch中实现DCT，以及在实际应用中的一些示例。
## DCT的基本概念
离散余弦变换（DCT）与傅里叶变换密切相关，它将信号从时域转换到频域。通过将信号表达为一组余弦函数，DCT在保留信号的主要特征
原创
2024-10-26 03:49:45
634阅读
# 使用PyTorch实现离散余弦变换（DCT）
## 引言
离散余弦变换（Discrete Cosine Transform，DCT）是一种在信号处理和图像处理领域广泛使用的技术，尤其是在压缩领域，DCT是JPEG压缩算法的核心部分。DCT能够有效地将信号转换为频率域，帮助我们去除冗余信息，从而实现数据压缩。
在本篇文章中，我们将使用PyTorch实现DCT，并深入探讨它的应用和背后的原理
一，背景介绍 DCT，即离散余弦变换，常用图像压缩算法，步骤如下 1）分割，首先将图像分割成8x8或16x16的小块； 2）DCT变换，对每个小块进行DCT变换； 3）舍弃高频系数（AC系数），保留低频信息（DC系数）。高频系数一般保存的是图像的边界、纹理信息，低频信息主要是保存的图像中平坦区域信息。 4）图像的低频和高频，高频区域指的是空域图像中突变程度大的区域（比如目标边界区域），通常的纹理丰
转载
2023-11-09 08:53:32
90阅读
本次实验练习了pytorch中数据的读取，Dataset类的使用，以及transform模块的使用。一、Pytorch简介PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计
转载
2023-09-22 20:16:21
421阅读
NLP FROM SCRATCH: CLASSIFY NAMES WITH A CHARACTER-LEVEL RNN我们将建立和训练一个基于字符级的RNN模型，用来分类words。本教程将展示如何从零开始预处理数据，然后构建NLP模型。特别是没有使用torchtext的一些功能情况下，如何用底层模块进行NLP建模前的预处理工作。基于字符级的RNN模型，以a series of character
转载
2024-05-08 11:25:10
57阅读
MPEG采用了Ahmed（一个巨牛的数学家） 等人于70年代提出的离散余弦变换（DCT-Discrete Cosine Transform）压缩算法，降低视频信号的空间冗余度。
DCT将运动补偿误差或原画面信息块转换成代表不同频率分量的系数集，这有两个优点：其一，信号常将其能量的大部分集中于频率域的1个小范围内，这样一来，描述不重要的分量只需要很少的比特
转载
2023-12-17 13:07:43
64阅读
近期有需要用到pytorch的环境，所以就去安装了相应的CUAD和pytorch，现在做一个简单的流程介绍1.CUDA的安装2.安装pytorch1.CUDA的安装对于这个的安装，我主要是借鉴这篇博客，可以根据上面的步骤一步一步来，本人安装的是CUDA10.2版本，但我到最后一步并没有出现如上图所示的画面，而是一闪而过，所以我就去 cmd中输入了nvcc -V出现了CUDA相应的版本号
转载
2023-10-19 13:56:05
125阅读
在本文中，我将探讨 DCT 算法的 Python 实现，包括背景、技术原理、架构解析、源码分析、应用场景和案例分析。
DCT（离散余弦变换）是一种广泛应用于信号处理和图像压缩领域的算法，尤其是在 JPEG 图像压缩中，DCT 通过转化图像数据为频域信息，有效降低冗余数据，以实现高效的数据压缩。
> 【引用】在图像处理中，DCT 可以将空间域信号转换为频率域信号，从而使得信号的高频部分可以被抑制
这里写自定义目录标题发现问题为何是输入层特征为偶数？是否通用？查看他人讲解 最近在学习深度聚类，学习到文章网络DCEC(卷积自编码器进行深度聚类)，采用卷积自编码器进行print model.summary时，出现特征图无法完全还原问题如下： 如图，输入为一个（127,127,3）的特征图，最终经过上采样得到的却是（121,121,3）的特征图。发现问题通过对代码进行手动计算，卷积层输出大小与转
转载
2023-11-20 09:04:05
152阅读
基于DCT字典图像稀疏去噪算法学习 理论基础： 评价一副图像质量的指标（MSE和PSNR）： 1.MSE（均方误差）： 其中，f'(i,j)和f(i,j)分别表示的是待评价图像和原始图像，M,N分别表示图像的长与宽。2.PSNR（峰值信噪比）:PSNR本质上与MSE相同，但它与图像的量化灰度级相联系，其表达式为： 主函数：main
转载
2023-08-25 16:00:51
101阅读
一、DCT简介此处，DCT指Discrete Cosine Transform，意思是离散余弦变换（下文均用DCT表示），其常见用途是对音视频进行数据压缩。维基百科上的解释：DCT以不同频率振荡的余弦函数之和来表示数据点的有限序列。二、背景知识DCT 将原始图像信息块转换成代表不同频率分量的系数集，这有两个优点： 其一，信号常将其能量的大部分集中于频率域的一个小范围内，这样一来，描述不重要的分量
作者：夜和大帝transforms 是图像处理函数，主要用于对索引出来的图片进行 剪切、翻转、平移、仿射等操作，也就是得到我们想要的预处理过程。pytorch 提供的 torchvision.transforms 模块是专门用来进行图像预处理的，本文按照处理方式的不同，分组介绍和试验这些预处理方法注意点transforms.Compose() 可以把多类转换操作结合起来可转换的图像包括 PIL I
转载
2024-03-12 20:11:08
217阅读
方案一、选择中频系数进行水印的嵌入Dct域分别低频中频和高频区域，传统的dct将水印嵌在低频区域，即能量较为集中的部分，会降低嵌入后的不透明性。选择中频或高频系数嵌入dct水印有助于提升水印的不可见性。但是高频区域的鲁棒性会影响水印嵌入的强度，且大部分图像处理图像攻击对于高频区域的影响也比较大，水印嵌入在高频区域鲁棒性很低，所以中频区域是较为折中的选择，即权衡了水印的不可见性和鲁棒性，保持了低频和
转载
2023-07-24 18:02:07
141阅读
在H.265/HEVC中支持4种不同尺寸的整数DCT变换，分别是4x4、8x8、16x16、32x32。各种尺寸的DCT矩阵对应的变化矩阵如下：4x4变换矩阵：8x8变换矩阵：16x16变换矩阵：下面分别是32x32变换矩阵的左边16列和右边16列：我们可以发现以上矩阵有如下特点： 以上矩阵都是左右对称的，但是对称方式有所不同，偶数行的标准对称...
原创
2021-07-09 15:37:40
2488阅读
在近几年，离散余弦变换（DCT）因其在图像压缩、信号处理等领域的重要性而受到广泛关注。众所周知，DCT能够有效地减少数据冗余，提升图像和信号的压缩比。本文将通过“dct算法python代码”主题，围绕DCT算法的原理、实现和优化方法进行分析和讨论，确保读者能够深入理解这一技术的重要性。
## 背景描述
DCT是一种用于信号处理的变换，可以将信号从时域转换到频域。图像压缩领域，特别是JPEG编码
实验4基于DCT变换的信息隐藏算法信息隐藏技术 实验报告实验名称实验4 基于DCT变换的信息隐藏算法日期2013-05-18专业班级11信安1班实验人学号一、实验目的(1)理解频域变换信息隐藏算法的基本思想(2)理解离散余弦变换技术的基本理论(3)掌握基于DCT变换信息隐藏的编码和解码过程二、实验内容载体图像为24位bmp图像LenaRGB.bmp，嵌入的秘密信息为从屏幕上随机输入的文本信息，要求
转载
2024-01-07 20:58:00
40阅读
