起因今天和同组讨论了一下网络输出时，在torch.argmax之前经过torch.sigmoid和不经过sigmoid的区别。主要起因是实验结果图像不同 图1 不经过sigmoid 图2 经过sigmoid 我们发现经过sigmoid预测的图像更加严格（实验结果证明，经过sigmoid效果好），会将一些不经过sigmoid预测的前景分为背景。 简单实现12345678910111

选择使用hexo-asset-img进行Hexo博客图片管理。因为这个可以在你创建文章的目录下自动新建一个存储当前文章所用到的图片文件夹，感觉比较方便，也便于后续备份。 安装npm install hexo-asset-img --save _config.yml配置如果你之前已经安装了hexo，那么默认_config.yml文件中有post_asset_folder这个选项，将其值设置为tru

1.首先我们要先下载git lfs。链接地址2.我们需要安装git lfs，但是必须安装到git/bin下面。就是你安装git的时候，那个路径。可以看我的git安装路径： 3.我们可以使用以下步骤进行大文件上传，因为github上传有大文件有100M的限制。但是在上传的过程中，可能会出现443：timeout，或者refused等错误，可以看我博客园里的一篇文章，里面写了解决方案。首先

为什么选择Waline评论刚开始选择valine，但是网上有人说valine评论不安全，比如：评论者和自己的IP和邮箱等信息容易被泄露（ps：这是我从valine换到waline的重点原因）。还有一个原因就是很容易被发送垃圾信息，因为他没有一个注册功能，只要是个人，就可以随便发评论。 选择国际版的缺点：就是只能用外网评论，很尴尬啊，我面向的是国内啊。等我的域名备案了，在转向国内吧。 开始配置（

1、你必须建一个存储库，这个存储库要和你的github名称一致（不然就会404），如下图： 2、如果是window配置，需要安装git和node.js 备注：如果出现 The punycode module is deprecated 这类错误，大概率就是node版本过高，降低一下版本。如何降低版本呢？ 可以按照下面命令执行，首先卸载系统里的node版本，然后安装nvm， 然后安装低版本。

我在编译的过程中，遇到无法找到lglad这个错误。最后才发现对于glad的使用不能用lglad。因为我们通过glad的在线服务可以得到一些文件，其中glad.c文件我们是需要放在我们的项目下面的。之后在编译的过程中使用下面这个命令

1、新建仓库

直方图我之前写的博客 共生矩阵一篇很详细的博客 共生矩阵用两个位置的象素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的象素之间的位置分布特性，是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。 图像的灰度共生矩阵是像素距离和角度的矩阵函数，它通过计算图像中一定距离和一定方向的两点灰度之间的相关性，来反映图像在方向、间隔、变化幅度及快慢上的综合信息。

目录 信息熵 高斯噪声 图像噪声 离散傅里叶变换 信息熵 熵可以作为一种“失调”的度量，熵的值越大表明这个事件就越难以预料。当前这个公式底为2，表明当前熵的单位是位（bits）。应用：为了压缩一幅图像，可以用熵来估计一幅图像的冗余性。 高斯噪声 白噪声的一个特例–高斯噪声。上图计算公式是一个服从高斯（正态）分布的随机变量具有高斯曲线型的概率密度函数。白噪声：噪声在所有频率上出现且强度相同。 图像

1、利用拉普拉斯算子进行图像增强本质是利用图像的二次微分对图像进行蜕化（图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰），在图像领域中微分是锐化，积分是模糊，利用二次微分对图像进行蜕化即利用邻域像素提高对比度，该算法也是工程数学中常用的一种积分变换，也可以用于边缘检测，图像增强、角点检测等等。