KESKENER\u00c4INEN<\/p>\n\n\n\n
T\u00e4ss\u00e4 esitell\u00e4\u00e4n lyhyesti koodissa k\u00e4ytt\u00e4mi\u00e4mme kirjasto-ohjelmia.
Moni on sanonut, ettei oikein ole perehtynyt tuohon pythoniin. Itse asiassa useinkaan kyse ei ole pythonin vaikeudesta, vaan k\u00e4ytettyjen kirjasto-ohjelmien piirteist\u00e4, jotka taas juontuvat siit\u00e4 ett\u00e4 niit\u00e4 k\u00e4ytet\u00e4\u00e4n mutkikkaiden asioiden tekemiseen.
<\/p>\n\n\n\n
PYTORCH<\/strong><\/p>\n\n\n\n Pythonissa itsess\u00e4\u00e4n ei ole tukea moniulotteisen datan k\u00e4sittelylle eik\u00e4 GPU-laskennalle. Moniulotteinen data tarkoittaa t\u00e4ss\u00e4 esimerkiksi RGB-kuvaa, johon tarvitaan 3-ulotteinen taulukko: 3 v\u00e4rikanavaa x korkeus x leveys pikselein\u00e4. Pytorch<\/a> k\u00e4sittelee dataa tensoreina, jotka ovat k\u00e4yt\u00e4nn\u00f6ss\u00e4 moniulotteisia taulukoiden joiden k\u00e4sittelyyn on eritt\u00e4in tehokkaat v\u00e4lineet. Tensorien lis\u00e4ksi pytorchista l\u00f6ytyy my\u00f6s mm. torch.nn<\/a><\/strong>, v\u00e4lineet neuroverkkojen rakentamiseksi ja torch.optim<\/strong> <\/a>koulutuksen vaatimaa optimointia tukemaan.<\/p>\n\n\n\n TORCHVISION<\/a><\/strong><\/p>\n\n\n\n Pytorchin laajennus kuvienk\u00e4sittely\u00e4 varten, josta l\u00f6ytyy paitsi ty\u00f6kalut kuvien lukemiseen ja esik\u00e4sittelyyn, my\u00f6s valmiita verkkoja kuvak\u00e4ytt\u00f6\u00f6n.<\/p>\n\n\n\n NUMPY<\/a><\/strong><\/p>\n\n\n\n Peruspythonin laajennus moniulotteisten taulukkojen k\u00e4sittelyyn. Ei tukea GPU:lle, mutta eritt\u00e4in tehokkaita monipuolisia v\u00e4lineit\u00e4 taulukkojen k\u00e4sittelyyn k\u00e4ytett\u00e4v\u00e4ksi esim. kun joudutaan muokkaamaan kuvia pikselitasolla. Toimii saumattomasti yhteen opencv<\/strong>:n kanssa. Pythonin laajennus kuvank\u00e4sittelyyn. Torchvision toimii hyvin yhteen PIL:n kanssa. PIL tarjoaa paljon valmiita kuvank\u00e4sittelyominaisuuksia, mutta jos haluaa k\u00e4yd\u00e4 itse k\u00e4siksi pikselidataan, opencv + numpy on k\u00e4tev\u00e4mpi. Omassa ty\u00f6skentelyss\u00e4ni joudun liikkumaan kaikkien n\u00e4iden v\u00e4lill\u00e4, jotten joutuisi keksim\u00e4\u00e4n py\u00f6r\u00e4\u00e4 uudestaan. Teen kunkin homman sill\u00e4 mill\u00e4 se onnistuu, ja niiden v\u00e4lill\u00e4 tarvittavat muutokset (mist\u00e4 my\u00f6hemmin). Pythonin laajennus kuvank\u00e4sittelyyn, k\u00e4sittelee kuvaa suoraan numpy-taulukkona jolloin pikselit ovat suoraan k\u00e4ytett\u00e4viss\u00e4. Voidaan my\u00f6s lukea webbikameraa ja n\u00e4ytt\u00e4\u00e4 kuvaa n\u00e4yt\u00f6ll\u00e4 omana ikkunanaan, KORNIA<\/strong><\/p>\n\n\n\n Toisin kuin PIL ja OpenCV, uudehko Kornia<\/a> pystyy k\u00e4sittelem\u00e4\u00e4n kuvia suoraan tensoreina, eli on k\u00e4tev\u00e4 silloin kun esimerkiksi kuvan kokoa pit\u00e4\u00e4 muuttaa ja kuva on jo tensorina.<\/p>\n\n\n\n Videotiedostojen k\u00e4sittelyyn (lukuun, leikkaukseen ja kirjoitukseen).<\/p>\n\n\n\n Ensimm\u00e4isiss\u00e4 harjoituksissa vertaamme kuvaa tavoitteeseen laskemalla eroa pikseleitt\u00e4in. Kuva voi siis n\u00e4ytt\u00e4\u00e4 k\u00e4yt\u00e4nn\u00f6ss\u00e4 samalta (esim. olla muutaman pikselin verran sivussa) mutta arvion mukaan erilainen. LPIPS<\/strong><\/p>\n\n\n\n Toinen tapa arvioida kuvien samankaltaisuutta katsojan kannalta (perceptual similarity) perustuu kuvan piirteiden arviointiin kuvaa tulkitsevan neuroverkon avulla. Kokeilemme tehd\u00e4 sellaista itsekin varsinkin harjoituksessa 11, mutta k\u00e4yt\u00e4mme my\u00f6s valmista lpips-kirjastoa<\/a>.<\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" KESKENER\u00c4INEN T\u00e4ss\u00e4 esitell\u00e4\u00e4n lyhyesti koodissa k\u00e4ytt\u00e4mi\u00e4mme kirjasto-ohjelmia. Moni on sanonut, ettei oikein ole perehtynyt tuohon pythoniin. Itse asiassa useinkaan kyse ei ole pythonin vaikeudesta, vaan k\u00e4ytettyjen kirjasto-ohjelmien piirteist\u00e4, jotka taas juontuvat siit\u00e4 ett\u00e4 niit\u00e4 k\u00e4ytet\u00e4\u00e4n mutkikkaiden asioiden tekemiseen. PYTORCH Pythonissa itsess\u00e4\u00e4n ei ole tukea moniulotteisen datan k\u00e4sittelylle eik\u00e4 GPU-laskennalle. Moniulotteinen\u2026<\/p>\n
<\/p>\n\n\n\n
PIL<\/a><\/strong><\/p>\n\n\n\n
OPENCV<\/a><\/strong><\/p>\n\n\n\n
<\/p>\n\n\n\n
MOVIEPY<\/a><\/strong><\/p>\n\n\n\n
SSIM<\/strong><\/p>\n\n\n\n
PYSSIM<\/a> k\u00e4ytt\u00e4\u00e4 matemaattinen menetelm\u00e4\u00e4 (SSIM<\/a>) arvioimaan kuvien rakenteellista samankaltaisuutta.
<\/p>\n\n\n\n