search

jindongwang / transferlearning

Transfer learning / domain adaptation / domain generalization / multi-task learning etc. Papers, codes, datasets, applications, tutorials.-迁移学习
http://transferlearning.xyz/
MIT License
13.42k stars 3.81k forks source link

DIFEX里的可视化傅里叶变换 #386

Closed xiaopang114 closed 1 year ago

xiaopang114 commented 1 year ago

您好！我在读了您这篇论文后有些启发，想试试该方法能不能迁移到我所研究的领域，因此我想请教您图1这两个样本的傅里叶变换图是如何画出来的？ difex

jindongwang commented 1 year ago

@lw0517 有时间可以回答一下这个问题

lw0517 commented 1 year ago

您好！我在读了您这篇论文后有些启发，想试试该方法能不能迁移到我所研究的领域，因此我想请教您图1这两个样本的傅里叶变换图是如何画出来的？ difex

直接做完傅里叶变幻之后，画对应的幅值和相值就可以了。 t1=np.angle(np.fft.fft(x1,360)) a1=np.abs(np.fft.fft(x1,360)) px1=np.real(np.fft.ifft(np.e(1jt1))) z1=np.real(np.fft.ifft(a1np.e(1j*t1)))

xiaopang114 commented 1 year ago

不好意思再请教一下，按照您的代码我的图像（256×256）得到的幅值图和相值图是256个曲线叠加，如下图所示，您论文中得到的是单一曲线，请问是如何得到的呢？ 1

lw0517 commented 1 year ago

对于时间序列使用的是一维FFT变换，对于图像使用的是二维FFT变换。我们当前库中提供的变换就是二维的FFT变换。上面回答中提供的是一维的变换。

xiaopang114 commented 1 year ago

谢谢详细回复！