ICode9

精准搜索请尝试: 精确搜索
  • 【ARXIV2201】ConvNeXt2022-01-28 14:32:38

    论文:https://arxiv.org/abs/2201.03545 代码:https://github.com/facebookresearch/ConvNeXt Facebook 和 UC Berkeley 的科研人员提出了 ConvNeXt,对标的是2021年最火的 Swin Transformer,在相同的FLOPs下, ConvNeXt 比 Swin Transformer 拥有更高的准确率,在ImageNet 22K上达到 8

  • 计算机视觉——卷积神经网络基础2022-01-27 20:04:05

    计算机视觉——卷积神经网络基础 文章目录 计算机视觉——卷积神经网络基础一、计算机视觉的发展历程二、卷积神经网络卷积(Convolution)卷积计算填充(padding)步幅(stride)感受野(Receptive Field)多输入通道、多输出通道和批量操作卷积算子应用举例 池化(Pooling)ReLU激活函数批归

  • 《Multi-Stream Gated and Pyramidal Temporal Convolutional Neural Networksfor Audio-Visual Speech Se》2022-01-26 20:01:19

    《Multi-Stream Gated and Pyramidal Temporal Convolutional Neural Networks for Audio-Visual Speech Separation in Multi-Talker Environments》 本文的作者是Yiyu Luo, Jing Wang, Liang Xu , Lidong Yang,School of Information and Electronics, Beijing Institute of Te

  • VGG论文学习心得2022-01-26 15:01:36

    一、网络结构 基本概念 如果输入的是一个RGB图像,那么就会有3个通道。“channel”通常被用来描述“layer”的结构。相似的,“kernel”是被用来描述“filter”的结构。 来自 <深度学习中的各种卷积_滤波器> 输入是一个5x5x3的矩阵,有三个通道。filter是一个3x3x3的矩阵。首先,fil

  • 第七课 TensorFlow实现卷积神经网络2022-01-26 10:07:22

    TensorFlow实现卷积神经网络 一 本节课程介绍 1.1 知识点 1、卷积神经网络介绍; 2、TensorFlow实践CNN网络; 二 课程内容 2.1 卷积神经网络基本介绍 卷积神经网络是一种使用卷积结构构建的神经网络模型,其特点是局部感知、权值共享,池化减少参数和多层次结构。 其基本结构包括输

  • PyTorch中卷积的简单操作2022-01-26 00:02:14

    卷积 Conv1d Conv1d input:形状的输入张量 weight: 形状过滤器 bias:形状的可选偏置张量( out_channels ). 默认:None stride:卷积核的步长。可以是单个数字或元组(sH, sW)。默认值:1 padding:输入两侧的隐式填充。可以是字符串 {‘valid’, ‘same’}、单个数字或元组(padH,

  • 【图神经网络】图神经网络(GNN)学习笔记:图滤波器与图卷积神经网络2022-01-25 23:02:11

    图神经网络GNN学习笔记:图滤波器与图卷积神经网络 4. 图滤波器4.1 空域视角4.2频域角度 5. 图卷积神经网络5.1 对频率响应矩阵进行参数化5.2 对多项式系数进行参数化5.3 设计固定的图滤波器 参考资料 4. 图滤波器 在图信号处理中,我们将图滤波器定义为对给定图信号的频谱

  • 【炼丹术】DeepLabv3+训练模型学习总结2022-01-25 09:31:12

    DeepLabv3+训练模型学习总结 一、DeepLabs3+介绍 DeepLabv3是一种语义分割架构,它在DeepLabv2的基础上进行了一些修改。为了处理在多个尺度上分割对象的问题,设计了在级联或并行中采用多孔卷积的模块,通过采用多个多孔速率来捕获多尺度上下文。此外,来自 DeepLabv2 的 Atrous Spatial

  • Zetane Engine : 神经网络一键可视化2022-01-25 09:03:04

    转自:神经网络一键可视化!这个AI神器可以放大网络中的任何一层,显示特征图!  GitHub - zetane/viewer: ML models and internal tensors 3D visualizer 神经网络在工作的时候,里面到底是什么样? 为了能透视这个“AI黑箱”中的过程,加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane

  • 基于TensorFlow的花卉识别2022-01-24 19:32:53

    概要设计 数据分析 本次设计的主题是花卉识别,数据为TensorFlow的官方数据集flower_photos,包括5种花卉(雏菊、蒲公英、玫瑰、向日葵和郁金香)的图片,并有对应类别的标识(daisy、dandelion、roses、sunflowers、tulips) 数据集内容举例: 数据集tgz文件解压后,内部划分为5个相对应的文

  • 【吴恩达deeplearning.ai】1.7 单层卷积网络2022-01-24 18:30:00

    ←上一篇↓↑下一篇→1.6 三维卷积回到目录1.8 简单卷积网络示例 单层卷积网络 (One Layer of a Convolutional Network) 今天我们要讲的是如何构建卷积神经网络的卷积层,下面来看个例子。 上节课,我们已经讲了如何通过两个过滤器卷积处理一个三维图像,并输出两个不同的4×4矩

  • 基于Paddle的计算机视觉入门教程——第9讲 MobilenetV3网络详解2022-01-24 16:31:10

    B站教程地址 https://www.bilibili.com/video/BV18b4y1J7a6/ 介绍 Mobilenet是由Google公司创造的网络系列,目前已经发布至V3版本,每一次版本更新都是在前一次网络上的优化修改。Mobilenet主打的是轻量级网络,也就说网络参数量较少,执行速度较快,也更容易部署到终端设备上。在移动

  • 莫烦Tensorflow学习代码九(手写数字识别MNIST CNN学习)2022-01-23 10:58:55

    在之前的学习基础上使用卷积神经网络CNN的训练,准确率提升了许多。 与之前不同的地方就是添加了两层卷积神经,之前学习理论没弄明白的全连接层写完这个代码后也弄明白了。 而且运用了dropout解决过拟合问题。 最后准确率达到了0.9688,比之前0.87还是要高不少 以下是重要代码 一

  • deeplab系列2022-01-22 19:33:50

    前言 昨天使用UNET网络对人像进行实例分割,训练的结果已经到达理想状态,但是测试结果不尽人意。 放两张图进行对比一下。 训练20轮的结果: 测试图像结果: 而后得知,UNET最初是用作医疗行业,对于小型目标的检测,比如一个细胞等。对于大块人物效果便不太理想。所以学习DeepLab系列。 Deep

  • 【ECCV2020】Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation2022-01-22 16:04:44

    论文:https://arxiv.org/abs/2003.08866 代码:https://github.com/zdaxie/SpatiallyAdaptiveInference-Detection 这个论文的关键词是动态网络。如下图所示,动态网络目标是可以对 简单 和 困难 的样本分别 采用不同的网络进行推理。对于简单样本采用小网络,对于困难样本采用大网络,

  • 【ECCV2020】Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation2022-01-22 16:01:58

    论文:https://arxiv.org/abs/2003.08866 代码:https://github.com/zdaxie/SpatiallyAdaptiveInference-Detection 这个论文的关键词是动态网络。如下图所示,动态网络目标是可以对 简单 和 困难 的样本分别 采用不同的网络进行推理。对于简单样本采用小网络,对于困难样本采用大

  • 机器学习——卷积神经网络(CNN)2022-01-21 21:58:17

            CNN可以看作深度学习的进一步扩展,在深度学习的基础上改变神经网络的结构以及尽量减少参数,抓住关键特征。这样的CNN主要用于影像识别。具有以下三个属性的任务即可以使用CNN:1)观测图片中的某些模式;2)这些模式在每张图片中的位置不同;3)二次抽样不会影响观察对象。CNN框架

  • 0119-CNN结构,BN,过拟合,Leetcode(125,136,141)2022-01-19 23:02:35

    CNN,BN,过拟合 1.卷积神经网络(CNN)1.1 基础结构1.2 卷积层1.2.1 什么是感受野?1.2.2 卷积层超参数1.2.3 激励函数1.2.4 卷积层误差反向传播1.2.4.1 卷积运算实例1.2.4.2 卷积层误差反向传播 1.3 池化层1.3.1 池化层超参数和池化方法1.3.1.1平均池化(mean pooling)1.3.1.2 最大

  • 多通道输入与多通道输出的理解与实现2022-01-19 19:00:41

    多输入通道(互相关) 例如彩色图像具有标准的RGB通道来代表红、绿和蓝。当我们添加通道时,我们的输入和隐藏的表示都变成了三维张量。例如,每个RGB输入图像具有3×h×w3×h×w的形状。 将这些张量ci连结在一起可以得到形状为ci×kh×kw的卷积核。由于输入和卷积核都有ci个通道,我们可

  • 【论文阅读】图神经网络(针对图数据的深度学习方法)综述 day1、2、32022-01-18 18:31:06

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 题目:《A Comprehensive Survey on Graph Neural Networks》2019年 前言一、图神经网络的由来?二、四种网络1.定义2.输入输出3.训练模式 三、循环神经网络四、卷积图神经网络1.定义2.分类3.比较 五、图池化操作

  • ASPP - 空洞空间金字塔池化2022-01-18 16:03:52

    文章目录 1 空洞卷积1.1 空洞卷积的理解1.1.1 一维1.1.2 二维 1.2 空洞卷积的优劣 2. ASPP3. 代码 1 空洞卷积 1.1 空洞卷积的理解 1.1.1 一维 (a) 正常卷积:输入特征 Input feature,kernel = 3,stride = 1,pad = 1,输出特征 Output feature。 (b) 空洞卷积:与图 (a) 不同

  • UNet深入解析2022-01-18 11:03:10

    UNet深入解析 概述 因为工作需要,重新深入研究医学影像分割的相关内容。(笔者水平有限,有些翻译不到位,直接附上原文。) 而基于深度学习的医学影像分割一个里程碑式的转折点当属U-Net: Convolutional Networks for Biomedical Image Segmentation.专门用于医学影像分割的卷积神

  • 卷积神经网络实现人脸表情识别2022-01-17 19:35:03

    文章目录 一、实现过程二、运用训练的模型实现表情识别 一、实现过程 1.1 下载数据集 https://github.com/truongnmt/smile-detection 1.2 根据猫狗数据集训练的方法来训练笑脸数据集 #coding=gbk import os import sys def rename(): path=input("请输入路径(例如

  • 人工智能导论实验四:深度学习算法及应用2022-01-17 19:01:03

    实验四:深度学习算法及应用 一、实验目的   1、了解深度学习的基本原理;   2、能够使用深度学习开源工具;   3、应用深度学习算法求解实际问题。 二、实验要求   1、解释深度学习原理;   2、对实验性能进行分析;   3、回答思考题。 三、实验平台 1、https://www.educo

  • pytorch学习第三章——卷积神经网络图像识别2022-01-17 18:01:02

    卷积神经网络学习手写数字 # 定义超参数 input_size = 28 #图像的总尺寸28*28 num_classes = 10 #标签的种类数 num_epochs = 3 #训练的总循环周期 batch_size = 64 #一个撮(批次)的大小,64张图片 # 训练集 train_dataset = datasets.MNIST(root='./data',

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有