精华内容
下载资源
问答
  • 对比的含义
    千次阅读
    2022-07-13 15:46:44

    在中华人民共和国知识产权行业标准《专利文献数据规范》ZC 0014—2012里,附录B:(规范性附录)数据元素目录,B.2.176有定义,是根据对比文件和专利申请的相关程度,对比文件的种类。表示对比文件与权利要求的关系的某些特定符号,如X、Y、A、O、P、E、PA、PX、PY、PE等,一位或两位字母。

    在这里插入图片描述

    专利检索报告、专利权评价报告、专利申请文件的审查意见通知书中,在提供的文献前面,都会标注一个类型字母,这些字母代表的含义如下:

    • X:一篇文件影响新颖性或创造性

    • Y:与本报告中的另外的Y类文件组合而影响创造性;

    • A:背景技术文件;

    • R:任何单位或个人在申请日向专利局提交的、属于同样的发明创造的专利或专利申请文件。

    • P:中间文件,其公开日在申请的申请日与所要求的优先权日之间的文件;

    • E:抵触申请。

    更多相关内容
  • 文章仅以冯梦龙的经典拟话本小说《杜十娘怒沉百宝箱》以及海明威的短篇小说《杀人者》为例,运用比较、批评方法,进行细致的叙事分析,探寻历时性阅读不易看到的文本深层内容,并通过对比。发现这两部中外名著的相似...
  • 本文为您讲述快充技术的含义,手机快充技术原理,快充的几种模式以及现阶段市面上主要的几种快充技术解决方案及其各自之间的对比,提供您作为参考使用。  首先,什么是快充技术?顾名思义,快充就是能够提升...
  • 开发者在产品上同时覆盖iOS平台和Android平台时,则会遇到同一个...本文期望表达的含义,集中于如下三个方面:iPhone的状态栏系统提供了3种样式,分别为浅色、深色、深色半透,高度固定。Android的状态栏根据各个手机
  • 网络营销与传统营销的对比分析 作者:刘梦谕 来源:《商情》2013年第17期 【摘要】本文主要从网络营销和传统营销的含义;网络营销对传统营销的冲击 ;网络营销和传统营销分别在信息传递、商品配送、货币支付等方面的...
  • 网络营销与传统营销的对比分析 作者:刘梦谕 来源:《商情》2013年第17期 【摘要】本文主要从网络营销和传统营销的含义;网络营销对传统营销的冲击 ;网络营销和传统营销分别在信息传递、商品配送、货币支付等方面的...
  • MySQL Oracle的SQL大对比

    2020-12-14 10:19:50
    文章目录前言字段类型对比引号使用对比 ...字段含义 数值类型 MySQL TINYINT 占用空间: 1个字节(Byte) 数值范围: 0~255 Java Type: Integer SMALLINT 占用空间: 2个字节(Byte) 数值范围: -327
  • 在概述资本运营的含义、特点、功能的基础上,通过对比分析国内外煤炭企业资本运营的经验和特点,得到了国内煤炭企业进行资本运营的启示。结合调研的河南省某煤炭企业的实际情况,煤炭企业资本运营应该重视高素质人才...
  • 显示器手调对比度算法介绍

    千次阅读 2022-03-19 16:35:34
    显示器上,一般都是可以进行手动调整对比度的,会有一个进度条,可以增加对比度或者降低对比度。实际上呢,背后的算法就是对图像在进行处理,对输入的图像根据用户的选择进行了对比度的增加或者降低。其算法原理是...

           

    目录

           

            基本原理

            对比度提升曲线

            对比度降低曲线        

            代码实现

            效果对比

            实际使用情况及特殊说明


            基本原理

            显示器上,一般都是可以进行手动调整对比度的,会有一个进度条,可以增加对比度或者降低对比度。实际上呢,背后的算法就是对图像在进行处理,对输入的图像根据用户的选择进行了对比度的增加或者降低。其算法原理是非常的简单,大概可以总结为如下公式:

            当gain值大于1时,对比度增加,当gain值小于1时,对比度降低。

            我们在使用PS时,调整图像对比度往往是拉一条我们想要的曲线,只是那个曲线的形状是多样化的,比如S型,甚至波浪型都有可能。因为人在判断拉的曲线好不好,如果不好,可能会重新调整曲线,直到得到自己满意的结果。这样就是基于内容的对比度调整了,但显示器上,没有这么复杂的操作,不会根据内容来调整对比度,而且,还不好判断对比度增加或减少的幅度,所以,基本上就弄的简单些,直接是直线,且固定点就在原点。

            对比度提升曲线

            根据公式得到对比度提升的曲线大概如下:

            对比度降低曲线        

            对比度降低的曲线大概如下:

            当然,遇到了超出数值范围的就会进行截断处理,如果图像内容有很多亮区,增加对比度后,必然会导致过曝的情况,系统默认是对比度为1的,也就是保持45°直线。降低对比度时,亮的像素被降低了,所有像素都有挤压,所以对比度就低了。

            代码实现

            简单的写了个Python代码来实现这个过程。

    import cv2
    import numpy as np
    
    def DoContrast(img, k):
        img = img.astype(np.float)
        imgOut = img * k
        imgOut = np.clip(imgOut, 0, 255)
        imgOut = imgOut.astype(np.uint8)
        return imgOut
    
    if __name__ == '__main__':
        img = cv2.imread('test2.jpg', 1)
        imgEnhance = DoContrast(img, 1.25)
        imgDec = DoContrast(img, 0.8)
        cv2.imwrite('test_1.25.jpg', imgEnhance)
        cv2.imwrite('test_0.8.jpg', imgDec)
    

            效果对比

    原图

    对比度增加,k=1.25

    对比度降低,k=0.8

            可以看到,增加对比度后,图像整体亮些,通透点,不过也有些过曝,如果程度不是很大,基本上还是可以接受的,降低对比度后,图像都暗沉一些了,没那么通透了。

            实际使用情况及特殊说明

            当然,实际在显示器上,产商一定会设定一个范围,比如最大提升多少,最大降低多少,然后把中间划分成N等分。不过,等分的时候,可能不是在非线性域等分的,可能是在线性域等分的,这个具体就要看产商怎么定了。比如最大增加对比度50%,应该不是让系数为1.5,可能是pow(1.5,1/2.2),就是将1.5转到了线性域了,这样实现的是把屏幕亮度大概提升了50%。如果直接乘1.5,那么提升的亮度不是50%。降低对比度时也是类似的。

            还有一点,这个过程中,理论上是只改变亮度,不改变颜色,但是当发生了clip时,是会改变颜色的,亮色还是做不到完全分离的。特别是,RGB三通道中,只有某一个通道发生了clip,那么颜色必然是被改变了的,主要是对比度提升时会有这种情况,降低对比度时,不会有该问题。

    展开全文
  • 为了更方便理解红外辐射对比度的含义,针对目前红外辐射对比度计算使用的物理量和公式比较混乱的情况,从红外探测的实现方法出发,分析指出对比度衡量的标准物理量应该为在探测器处的红外辐射照度。当目标与背景不在...
  • 对比学习的一个原则3个关键点

    千次阅读 2022-03-06 17:56:44
    参考张俊林老师的文章对比学习(Contrastive Learning):研究进展精要,这篇文章读完后对对比学习基本概念、模型结构有了深刻的理解。再次感谢,遂据此整理成了笔记,以便帮助学习(主要是俊林老师的这片文章太过...

    参考张俊林老师的文章对比学习(Contrastive Learning):研究进展精要,这篇文章读完后对对比学习基本概念、模型结构有了深刻的理解。再次感谢,遂据此整理成了笔记,以便帮助学习(主要是俊林老师的这片文章太过轰动,已经不能转载了),其中还有一篇神文利用Contrastive Learning对抗数据噪声:对比学习在微博场景的实践,帮助我对对比学习的应用场景理解更加深刻,对比学习居然这么多的玩法~

    1 对比学习

    对比学习是自监督学习的一种,也就是说,不依赖标注数据,要从无标注图像中自己学习知识。怎么理解?充分使用越来越大量的无标注数据,使用越来越复杂的模型,采用自监督预训练模式,来从中吸取无标注图像本身的先验知识分布,在下游任务中通过Fine-tuning,来把预训练过程习得的知识,迁移给并提升下游任务的效果。对比学习可以通过后面的一个原则三个关键点进行理解

    1.1 指导原则

    通过自动构造相似实例和不相似实例,要求习得一个表示学习模型,通过这个模型,使得相似的实例在投影空间中比较接近,而不相似的实例在投影空间中距离比较远。

    1.2 关键点

    • 构造相似实例和不相似实例
    • 设计模型结构
    • 防止模型坍塌

    2 SimCLR为例

    以SimCLR为例,针对这一个原则三个关键点通过问答进行分析

    2.1 关键点1: 如何构造正例和负例?

    • 正例。平移、旋转、删除某个特征等
    • 负例。batch内随机采样、全局负采样等

    对比学习希望习得某个表示模型,它能够将图片映射到某个投影空间,并在这个空间内拉近正例的距离,推远负例距离。也就是说,迫使表示模型能够忽略表面因素,学习图像的内在一致结构信息,即学会某些类型的不变性,比如遮挡不变性、旋转不变性、颜色不变性等。

    2.2 关键点2: 如何设计模型结构?

    SimCLR模型结构如下。由对称的上下两个分枝(Branch)构成,说白了就是双塔模型

    随机从无标训练数据中取N个构成一个Batch,对于Batch里的任意图像,根据前面样本构造方法形成两个图像增强视图:Aug1和Aug2。Aug1 和Aug2各自包含N个增强数据(1个正,其余为负例),并分别经过上下两个分枝,对增强图像做非线性变换,这两个分枝就是SimCLR设计出的表示学习所需的投影函数,负责将图像数据投影到某个表示空间。

    对于Batch内某张图像 x x x来说,在Aug1和Aug2里的对应的增强后图像分别是 x i x_i xi x j x_j xj,那么数据对 < x i , x j > <x_i, x_j> <xi,xj>,互为正例,而 x i x_i xi和Aug1及Aug2里除 x j x_j xj之外的其它任意2N-2个图像都互为负例。

    相似性函数来作为距离度量标准来判断两个向量在投影空间里距离的远近。具体而言,相似性计算函数采取对表示向量L2正则后的点积或者表示向量间的余弦距离

    S i m ( z i , z j ) = z i T ∣ ∣ z i ∣ ∣ 2 ⋅ z j ∣ ∣ z j ∣ ∣ 2 Sim(z_i, z_j) = \frac{z_i^T}{||z_i||_2} · \frac{z_j}{||z_j||_2} Sim(zi,zj)=zi2ziTzj2zj

    问题1,为什么L2 norm?

    • 后续ANN算法通常是依赖L2距离的,这与点乘学到的向量空间并不等价,而归一化后 ∣ ∣ g 1 − g 2 ∣ ∣ 2 = ∣ ∣ g 1 ∣ ∣ 2 + ∣ ∣ g 2 ∣ ∣ 2 − 2 < g 1 , g 2 > = 2 − 2 < g 1 , g 2 > ||g_1-g_2||_2 = \sqrt{||g_1||^2 + ||g_2||^2 - 2<g_1, g_2>} = \sqrt{2 - 2<g_1, g_2> } g1g22=g12+g222<g1,g2> =22<g1,g2> 是与点积目标一致的。
    • 相似度计算有两中方法:内积和cosine。把cosine公式 c o s ( a , b ) = a ⋅ b ∣ ∣ a ∣ ∣ 2 ∗ ∣ ∣ b ∣ ∣ 2 cos(a,b) = \frac{a·b}{||a||_2 * ||b||_2} cos(a,b)=a2b2ab,可以发现发现cosine可以理解为对a和b各自先做了一个L2 Norm,然后两者再做内积。

    SimCLR的损失函数采用InfoNCE Loss,某个例子对应的InfoNCE损失为

    L i = − l o g ( e x p ( S ( z i , z i + ) / τ ) ∑ j = 0 K e x p ( S ( z i , z j ) / τ ) ) L_i = -log(\frac{exp(S(z_i, z_i^{+})/\tau)}{\sum_{j=0}^{K}exp(S(z_i, z_j)/\tau)}) Li=log(j=0Kexp(S(zi,zj)/τ)exp(S(zi,zi+)/τ))

    其中, < z i , z i + > <z_i, z_i^{+}> <zi,zi+>代表两个正例相应的表示向量。从InfoNCE可以看出

    • 分子部分鼓励正例相似度越高越好,也就是在表示空间内距离越近越好;
    • 分母部分,则鼓励任意负例之间的向量相似度越低越好,也就是距离越远越好。

    问题2,InfoNCE损失函数中参数 τ \tau τ的作用是什么?

    温度参数会将模型更新的重点聚焦到有难度的负例,并对它们做相应的惩罚,难度越大,也即是与 x i x_i xi越近,则分配到的惩罚越多。

    惩罚是指在模型优化过程中,将负例从 x i x_i xi 身边推开。如果温度超参数 τ \tau τ 设置得越小,则InfoNCE分配惩罚项的范围越窄,更聚焦在距离 x i x_i xi比较近的较小范围内的负例里。同时,这些被覆盖到的负例,因为数量减少了,所以,每个负例,会承担更大的斥力(参考上图左边子图)。极端情况下,假设温度系数趋近于0,那么InfoNCE基本退化为Triplet,也就是说,有效负例只会聚焦在距离 x i x_i xi 最近的一到两个最难的实例。从上述分析,可以看出:温度超参越小,则更倾向把超球面上的局部密集结构推开打散,使得超球面上的数据整体分布更均匀(参考上图右边子图)。

    问题3,那是不是参数 τ \tau τ越小越好?

    对于某个数据 x i x_i xi ,只有一对正例 < x i , x i + <x_i, x_i^{+} <xi,xi+,可能会发生如下的情形:距离 x i x_i xi比较近的所谓“负例”,其实本来应该是正例,比如 x i x_i xi 是一张狗的照片,而 x i − x_i^{-} xi 其实也是一张狗的照片。只是因为对比学习是无监督的,我们没有先验知识知晓这一点,所以也会把这张狗的照片当作负例。而如果温度超参越小,则可能越会倾向把这些本来是潜在正例的数据在超球面上推远,而这并不是我们想要看到的。要想容忍这种误判,理论上应该把温度超参设置大一些。所以,温度超参需要在鼓励Uniformity和容忍这种误判之间找到一个平衡点,而调节这个参数大小,其实就是在寻找这两者的平衡点。

    2.3 关键点3: 什么是模型坍塌?

    回答之前先介绍下什么是好的对比学习系统。好的对比学习系统右2个要素: Alignment和Uniformity。

    • Alignment代表我们希望对比学习把相似的正例在投影空间里面有相近的编码。
    • Uniformity代表什么含义呢?当所有实例映射到投影空间之后,我们希望它在投影空间内的分布是尽可能均匀的。

    追求分布的Uniformity的目的。我们希望实例映射到投影空间后,在对应的Embedding包含的信息里,可以更多保留自己个性化的与众不同的信息。比如有两张图片,都是关于狗的,但是一张是在草地上跑的黑狗,一张是在水里游泳的白狗。如果在投影成Embedding后,模型能各自保留各自的个性化信息,那么两张图片在投影空间里面是有一定距离的,以此表征两者的不同。而这就代表了分布的均匀性,指的是在投影球面上比较均匀,而不会说因为都是关于狗的图片,而聚到球面的同一个点中去,那就会忽略掉很多个性化的信息。这就是说为什么Uniformity分布均匀代表了编码和投影函数f保留了更多的个性化信息。

    问题4,什么是模型坍塌?

    不论你输入的是什么图片,经过映射函数之后,在投影空间里面,所有图像的编码都会坍塌到同一个点。坍塌到同一个点又是什么含义呢?就是说不论我的输入是什么,最终经过函数映射,被映射成同一个embedding,所有图像对应的Embedding都是一样的,这意味着你的映射函数没有编码任何有用的信息。

    问题5,如何防止模型坍塌?

    通过引入负例来防止模型坍塌。InfoNCE的分子部分体现了Alignment这个要素,因为它期望正例在投影空间里面越近越好,也就是相似性越大越好。它防止坍塌是靠分母里的负例,负例体现了“Uniformity”属性,也就是说,如果图片和负例越不相似,则相似性得分越低,代表投影空间里距离越远,则损失函数就越小。InfoNCE通过强迫图片和众多负例之间,在投影球面相互推开,以此实现分布的均匀性,也就兼顾了Uniformity这一要素。所以可以理解为SimCLR是通过随机负例来防止模型坍塌的。

    参考

    1. 对比学习(Contrastive Learning):研究进展精要

    欢迎关注微信公众号(算法工程师面试那些事儿),本公众号聚焦于算法工程师面试,期待和大家一起刷leecode,刷机器学习、深度学习面试题等,共勉~

    展开全文
  • 作为Web应用程序的设计人员和开发人员,我们经常使用颜色来传达或增强内容的含义。 但是,我们经常会低效率地使用颜色,从而掩盖了内容的含义。 Colormind使查找高对比度颜色变得容易。 Colormind是一种用于选择...
  • premiere pr 自动调色对比度 用法

    千次阅读 2021-05-31 09:48:21
    1.在一个空PR项目中创建一个合适大小的序列,然后导入视频,并把视频放到序列时间轴轨道中使用。...5.选中自动对比度视频效果按住鼠标左键不松将其拖动到调整图层上,PR会自动进行对比度处理,我们细心观察可以看到视频

    1.在一个空PR项目中创建一个合适大小的序列,然后导入视频,并把视频放到序列时间轴轨道中使用。

    PR懒人调色之自动对比度的用法

    2.单击菜单栏上的文件菜单,展开文件菜单栏,选择文件中的新建选项,选择新建调整图层。

    PR懒人调色之自动对比度的用法

    3.选择调整图层,将其应用到视频轨道的上面一个轨道,将多余的调整图层Ctrl+K剪断,将后面多余的删除。

    PR懒人调色之自动对比度的用法

    4.打开PR效果,在效果中搜索自动,就可以看到自动调色命令,选择自动对比度视频效果。

    PR懒人调色之自动对比度的用法

    5.选中自动对比度视频效果按住鼠标左键不松将其拖动到调整图层上,PR会自动进行对比度处理,我们细心观察可以看到视频画面的对比度发生了变化。

    PR懒人调色之自动对比度的用法

    6.如果你对PR的自动对比度处理不是很满意,可以打开效果控件找到自动对比度参数设置,自行来调整自动对比度的参数得到自己想要的效果。

    PR懒人调色之自动对比度的用法

     

     

    展开全文
  • 索性在这里进行一个简单的对比,加深自己的记忆。 浏览器兼容性 CSS3 transform 属性 Internet Explorer 10、Firefox、Opera 支持 transform 属性。 Internet Explorer 9 支持替代的 -ms-transform 属性(仅适用于 ...
  • spearman与person相关分析对比 内容 Spearman相关系数的含义 Spearman相关分析的特点 Spearman 与Pearson相关分析的对比 结果的解释 对我的研究数据的适用性 三 Spearman 与Pearson相关分析的对比 三 Spearman 与...
  • 基于成熟的相函数近似方法Delta-M和Delta-fit,解释了结合相函数矩不变要求和特定角度范围误差最小化要求这一组合方案Delta-combine的物理含义,并分析了不同要求衔接点位置对散射强度的影响。在此基础上,以Cloud和...
  • 目录0,参考文献和前置知识和阅读注意1,[ECCV20]Contrastive Learning for Unpaired Image-to-Image Translation1.1,创新点和架构1.2,multi-layer、patchwise的对比学习 0,参考文献和前置知识和阅读注意 参考...
  • 中西方关于颜色的理解对比

    千次阅读 2019-06-28 08:12:25
    另外,黑色在汉语和英语中都有“阴险”、“邪恶”的含义,不过翻译时不一定用“黑”或“black”的字眼,例如: 黑心 evil mind 黑手 evil backstage manipulator 黑幕 inside story 黑线 a sinister line ...
  • Spearman与 Pearson相关分析的对比 四.结果的解释 五.对我的研究数据的适用性 Spearman相关系数的含义 Spearman rank-order correlation coefficient 两个连续或等级/秩变量之间的单调相关( monot
  • 对比学习需要正负样本的对比,所以在CPC中,这里的正样本就是通过编码器之后得到未来时刻的特征输出 z t + i z_{t+i} zt+i​,将其他的序列作为负例,进行对比学习的训练。 CPC的思想比较朴实,把序列输入换成一个...
  • 对比学习(Contrastive Learning)中的损失函数

    万次阅读 多人点赞 2021-02-16 13:12:03
      最近在基于对比学习做实验,github有许多实现,虽然直接套用即可,但是细看之下,损失函数部分甚是疑惑,故学习并记录于此。关于对比学习的内容网络上已经有很多内容了,因此不再赘述。本文重在对InfoNCE的两种...
  • 在调研国内外油气储量增长趋势预测研究的基础上,分析了翁旋回、龚帕兹、逻辑斯谛和高斯模型中各参数的地质含义和对曲线形态的控制作用。应用以上4种模型对苏北盆地2006—2030年石油储量增长趋势进行了预测。在预测...
  • 文章目录Contrastive Clustering文章介绍问题背景拟解决问题联合优化的应用主要贡献相关工作对比学习深度聚类实例级和聚类级的含义提出的方法模型结构PCB模块ICH模块CCH模块算法流程损失构建实验数据集介绍实验结果...
  • 对数据对比的理解

    2019-10-30 14:45:49
    这种的话 先创建一个空的map集合 然后for循环第一次的list 向map里面存一个相比较的值 存一个键值对 然后循环第二次保存的值 用第一次的值对比第二次的值 我这里的逻辑是只加载不相同的值 然后添加到第一次的list...
  • 了解引用reference与指针pointer到底有什么不同可以帮助你决定什么时候该用reference,什么时候该用pointer。...  深层含义  与pointer 类似,一个reference是一个对象(object),可以用来间接指向另一个对象。一
  • 利用纵波特征检测裂缝发育带与裂缝发育方向是地震...该研究就这2个椭圆方程的理论含义进行分析及应用纵波速度资料对裂缝发育方向检测中的应用问题进行探讨,指明应用NMO速度椭圆方程的长轴确定裂缝发育方向的不确定性。
  • 论文研究-基于不确定性度量的作战能力对比评估方法.pdf, 为使评估结果能够反映出评估对象作战能力之间的差距,提出基于不确定性度量的作战能力对比评估方法.首先建立了...
  • 跟着李沐老师的对比学习课程看了一遍,又照着知乎 / CSDN等各位大佬的总结,重新理解了一遍,下面根据自己的学习来总结一下。着重讲一下MoCo,及附带其他12种对比学习的论文的改进之处。
  • 主要的含义就是我把这个数的所有倍数都弄出来,然后下次循环的时候直接就可以跳过了 import java.text.SimpleDateFormat; import java.util.ArrayList; import java.util.Arrays; import java.util.Date; public ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 132,487
精华内容 52,994
热门标签
关键字:

对比的含义