编译｜依婷
编辑｜Panken

使用 OpenCV 函数 cv::filter2D 执行一些拉普拉斯滤波以进行图像锐化

使用 OpenCV 函数 cv::distanceTransform 以获得二值图像的派生(derived)表示，其中每个像素的值被替换为其到最近背景像素的距离

使用 OpenCV 函数 cv::watershed 将图像中的对象与背景隔离

Python程序开发之简单小程序实例

（9）利用Canvas绘制图形和文字

一、项目功能

利用Tkinter组件中的Canvas绘制图形和文字。

二、项目分析

要在窗体中绘制图形和文字，需先导入Tkinter组件，然后用Canvas完成绘制。

这篇文章的目的是介绍关于利用自动编码器实现图像降噪的内容。

在神经网络世界中，对图像数据进行建模需要特殊的方法。其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如果你对这方面已经很清楚了，可以跳过)。然后，我会介绍标准神经网络。这个标准神经网络用于图像数据，比较简单。这解释了处理图像数据时为什么首选的是卷积自编码器。最重要的是，我将演示卷积自编码器如何减少图像噪声。这篇文章将用上Keras模块和MNIST数据。Keras用Python编写，并且能够在TensorFlow上运行，是高级的神经网络API。

2014年，GoogLeNet获得了第一名、VGG获得了第二名。

GoogLeNet是一种基于 Inception 架构的卷积神经网络。它利用 Inception

模块，允许网络在每个块中的多个卷积滤波器大小之间进行选择。Inception 网络将这些模块堆叠在一起，偶尔会使用最大池化层，步幅为2，以将网格的分辨率减半。

inception结构涉及了大量的数学推导和原理

作者 | 蒋宝尚

编辑 | 贾伟

躺尸接近三个月的OpenAI博客终于有了更新，这次它为AI研究者带来的作品是“OpenAI Microscope”，中文译名OpenAI 显微镜。

意为可以像实验室中的显微镜一样工作，帮助AI研究人员更好地理解神经网络的结构和特征。

博客地址：
https://openai.com/blog/microscope/

说到底，这个显微镜更像是一个神经元可视化库，里面包含了历史上重要且普遍研究的计算机视觉模型，如2012年ImageNet挑战赛冠军AlexNet，2014年的ImageNet冠军GoogleNet（又名Inception V1）和ResNet v2。