CNNS 第10页

[翻译]FlowNet: Learning Optical Flow with Convolutional Networks

摘要卷积神经网络（CNNs）最近在各种计算机视觉任务中非常成功，特别是那些与识别有关的任务。光流量估计并不在CNN能够成功完成的任务当中。本文提出了一种能够将光流估计问题作为监督学习任务的CNNs。

牛牛存·2020-07-06 03:25

[菜鸟向] Pytorch的模型与变量由CPU模式转GPU模式的操作与debug

1.修改CPU版本的pytorch模型到GPU版本从github上git下来的CNNs程序需要将分类结果在opencv上显示，图片是采用单帧处理，因此每一帧的图片返回类别与置信度的速度需要加快，于是想到该

黄辣鸡·2020-07-06 02:49

Gated-SCNN: Gated Shape CNNs for Semantic Segmentation论文阅读笔记

如何将知识分离出来？作者在论文中argue到，CNN在设计的过程中有一个固有的无效性，因为他们会将color，shape和纹理信息一起处理（感觉可以找个时间介绍一些，图像中的color，shape或者texture信息对于图像的特征提取有哪些帮助作用）。但是实际上这些不同的信息，比如color或者shape，texture对于识别来说的话，应该是包含不同的数量的信息的。作者举了一个例子，一个人刚开

YongjieShi·2020-07-05 18:52

What’s wrong with CNNs and spectrograms for audio processing?

文章来自Author：DanielRothmann原文网站：链接未翻译...Inrecentyears,greatresultshavebeenachievedingeneratingandprocessingimageswithneuralnetworks.ThiscanpartlybeattributedtothegreatperformanceofdeepCNNstocaptureandtr

Chen-Sh·2020-07-05 11:02

深度学习-002 NISP: Pruning Networks using Neuron Importance Score Propagation 神经网络剪枝算法

PruningNetworksusingNeuronImportanceScorePropagation利用神经元重要性分数传播对网络进行剪枝这是CVPR2018的一篇文章，在在这里整理一下我的理解思路论文链接：https://arxiv.org/abs/1711.05908为了减少深层卷积神经网络(CNNs

Mingyong_Zhuang·2020-07-05 10:27

Deformable CNNs论文笔记

个人博客：http://www.chenjianqu.com/原文链接：http://www.chenjianqu.com/show-114.html论文：17Mar2017.JifengDai,HaozhiQi,YuwenXiong,YiLi,GuodongZhang,HanHu,YichenWei.MSRA.DeformableConvolutionalNetworks素质三连1.论文贡献提出

陈建驱·2020-07-05 06:03

可变形卷积网络：Deformable Convolutional Networks

DeformableConvolutionalNetworks摘要卷积神经网络（CNNs）由于其构建模块中固定的几何结构，导致模型的几何变换存在局限性。

huangyiping_dream·2020-07-04 18:13

深度学习·TensorFlow实现CNNs处理MNIST数据集

1.CNNs基本原理CNNs即ConvolutionalNeuralNetworks多层卷积神经网络，专门用于图像识别生物仿生学原理：该网络结构模仿了人体识别图像的过程：1瞳孔摄入物体的像素信息2大脑皮层一些细胞进行初步处理

mosan123·2020-07-04 08:33

论文学习-End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF

1.传统方法和问题本文要解决的是序列标注的问题，可用于POS、NER等任务。大部分传统的高效模型是线性统计模型，包括HMM，CRF等。这些模型十分依赖手工标注特征，需要引入外部相关资源（名称库），普适性差。导致序列标注模型很难去应用到新的标记任务上。近些年有一些非线性神经网络模型用词向量（WordEmbedding）作为输入，颇为成功，但是如果仅依赖词向量，效果将变得很差。2.本文的贡献一种用于语

给爸爸上去·2020-07-02 16:54

卷积神经网络CNN究竟是怎样一步一步工作的？

它们也被称作CNNs或着ConvNets

清风予你·2020-07-01 21:00

理解 AI 最伟大的成就之一：卷积神经网络的局限性

更准确地说，人们对深度学习产生的新的兴趣在很大程度上要归功于卷积神经网络（CNNs）的成功，卷积神经网络是一种特别擅长处理视觉数据的神经网络结构。但是，如果有人告诉你卷

CSDN资讯·2020-07-01 21:12

机器学习之（七）卷积神经网络

结构概述用来构建卷积神经网络的各种层卷积层汇聚层归一化层全连接层将全连接层转化成卷积层卷积神经网络的结构层的排列规律层的尺寸设置规律案例学习（LeNet/AlexNet/ZFNet/GoogLeNet/VGGNet）计算上的考量拓展资源卷积神经网络（CNNs

等待破茧·2020-07-01 18:45

为什么在CNNs中激活函数选用ReLU，而不用sigmoid或tanh函数？

https://blog.csdn.net/shijing_0214/article/details/53143393第一个问题：为什么引入非线性激励函数？如果不用激励函数（其实相当于激励函数是f(x)=x），在这种情况下你每一层输出都是上层输入的线性函数，很容易验证，无论你神经网络有多少层，输出都是输入的线性组合，与没有隐藏层效果相当，这种情况就是最原始的感知机（Perceptron）了。正因为

benniaofei18·2020-07-01 18:17

Winograd 卷积计算

的论文：https://arxiv.org/pdf/1509.09308.pdf[论文PPT]https://www.slideshare.net/embeddedvision/even-faster-cnns-exploring-the-new-class-of-winograd-algorithms-a-presentation-from-arm

蓝鲸123·2020-07-01 13:38

Faster-RCNN解读材料优选

ObjectDetectionandClassificationusingR-CNNs"，强烈推荐。也很适合作为阅读代码的参考

17420·2020-06-30 19:11

二值网络--Bi-Real Net: Enhancing the Performance of 1-bit CNNs

Bi-RealNet:EnhancingthePerformanceof1-bitCNNsWithImprovedRepresentationalCapabilityandAdvancedTrainingAlgorithmECCV2018https://github.com/liuzechun/Bi-Real-net本文在借鉴残差网络的shortcut思想，将其应用到XNOR-Net的网络结构中3

O天涯海阁O·2020-06-30 13:53

DeepGCNs-Can GCNs Go as Deep as CNNs? ICCV 2019

yyl424525·2020-06-30 11:19

图像检索实战(1)：Image retrieval using MatconvNet and pre-trained imageNet

Web演示视频请移步这里MatConvNetisaMATLABtoolboximplementingConvolutionalNeuralNetworks(CNNs)forcomputervisionapplications.Itis

小白菜加油·2020-06-30 08:14

深度学习介绍（四）卷积操作

接下来介绍一下，CNNs是如何利用空间结构减少需要学习的参数数目的如果我们有一张1000x1000像素的图像，有1百万个隐层神经元，那么他们全连接的话（每个隐层神经元都与图像的每一个像素点相连），这样就有

狮子HH·2020-06-30 08:25

L12 Transformer

Transformer在之前的章节中，我们已经介绍了主流的神经网络架构如卷积神经网络（CNNs）和循环神经网络（RNNs）。让我们进行一些回顾：CNNs易于并行化，却不适合捕捉变长序列内的依赖关系。

xiuyu1860·2020-06-30 02:32

交通标志的检测与识别

FasterRCNN和卷积神经网络的检测与识别的方法正在投稿中，项目已开源在github:https://github.com/USTClj/Traffic_Sign_Recognition_Efficient_CNNs

机器AI·2020-06-30 00:21

实战卷积神经网络

在近些年，深度学习领域的卷积神经网络（CNNs或ConvNets)在各行各业为我们解决了大量的实际问题。但是对于大多数人来说，CNN仿佛戴上了神秘的面纱。

xiangzhihong8·2020-06-30 00:54

深度学习与自然语言处理（三）——深度学习运用到自然语言处理领域的成功案例

目录1.全连接前馈神经网络（MLP）的应用2.卷积神经网络（CNNs）的应用3.循环和递归神经网络（RNNs）的应用1.全连接前馈神经网络（MLP）的应用大部分情况下，全连接前馈神经网络（MLP）能被用来替代线性学习器

wustjk124·2020-06-29 21:56

吴恩达深度学习课程2018开放 (Stanford CS230)

课程介绍从官网课程介绍，这次课程和去年的课程差别不算太大，仍然包括CNNs,RNNs,LSTM,Adam,Dropout,BatchNorm,Xavier/Heinitialization等深度学习的基本模型

iTensor·2020-06-29 20:52

AInnoFace：Accurate Face Detection for High Performance（论文阅读笔记）

摘要随着深度卷积神经网络(CNNs)的发展，人脸检测技术得到了长足的发展。如何提高微小人脸的检测性能是近年来研究的核心问题。

酉意铭·2020-06-29 00:59

TensorFlow.js 入门指南

使用它可以在浏览器上创建CNNs，RNNs等，并使用客户端的GPU处理能力训练这些模型。因此，训练NN并不一定需要服务器级别的GPU。本教程

倔强_beaf·2020-06-28 04:38

20189221 2018-2019-2 《密码与安全新技术专题》第四周作业

信息隐藏基本概念隐写/隐写分析的基础知识、研究进展CNNs在该领域的应用信

weixin_30367169·2020-06-27 18:34

深度学习框架--深度卷积神经网络CNNs的多GPU并行框架及其在图像识别的应用

将深度卷积神经网络（ConvolutionalNeuralNetworks,简称CNNs）用于图像识别在研究领域吸引着越来越多目光。由于卷积神经

visionshop·2020-06-27 05:10

Keras and Convolutional Neural Networks (CNNs)神奇宝贝分类

先下好资源及源代码，贴上论文地址五类神奇宝贝样本在230左右，素材多样，包括卡通形象卡片玩具等。工程的结构：1.数据集包含五类。2.有6个检测图片来检测。3.包含smallerVGGNet模型类。还有其他文件，plot就是打出来的损失和准确率函数，lb.pickle是索引用的（不知），pokedex.model是模型文件用于存放各参数，train是训练程序，classify是测试程序。还提供了安装

小白一只an·2020-06-26 12:42

卷积神经网络CNNs的理解与体会

孔子说过，温故而知新，时隔俩月再重看CNNs，当时不太了解的地方，又有了新的理解与体会，特此记录下来。文章图片及部分素材均来自网络，侵权请告知。

火贪三刀·2020-06-26 09:50

预训练语言模型综述

Pre-trainedModelsforNaturalLanguageProcessing:ASurvey》总结序章随着深度学习的发展，各种神经网络被广泛应用于解决自然语言处理（NLP）任务，如卷积神经网络（CNNs

一只NLP的萌新er·2020-06-25 17:23

「论文阅读笔记」Salient Object Detection with Pyramid Attention and Salient Edges

这是一篇来自于阿联酋的研究所与北京理工大学（一作二作）联合出品的2D显著性检测文章从题目可以看出作者使用金字塔的注意力机制和显著边缘来进行显著性检测的其主要的思路在于在传统的top-down的CNNs模式下

清新大叔丶·2020-06-25 14:36

【论文浅读】《PWC-Net: CNNs for Optical Flow Using Pyramid, Warping, and Cost Volume》

创新思想：文章提出了一种用于光流估计的CNN模型，包括了三个部分：金字塔(Pyramid)，扭曲(Warping)，代价体积(CostVolume)。每个画面有前后两个图，用第一个图的估计光流扭曲第二个图的CNN特征，将扭曲后的特征以及第一个图的特征构造一个代价体积，再来估计光流。主要原理：左边是传统的coarese-to-fine方法，右边是这篇文章提出的PWC网络。第一幅图的光流扭曲第二幅图特

邂逅模拟卷·2020-06-25 08:35

Fine-Tuning CNN Image Retrieval with No Human Annotation

论文杂记上一篇主目录下一篇文章结构1预备知识1.1StructurefromMotion(SfM)1.2池化层1.3Whitening（白化）2本文相关工作2.1训练数据附录【前言】通常训练CNNs需要大量的标记数据

ShaneHolmes·2020-06-25 06:38

【语义分割】Semantic Image Segmentation with Task-Specific Edge Detection Using CNNs and....

论文全称：SemanticImageSegmentationwithTask-SpecificEdgeDetectionUsingCNNsandaDiscriminativelyTrainedDomainTransformCVPR2016作者指出传统的FCN-CRF模型最后基于图模型的全连接条件随机场虽然可以定位物体边界更加准确，但是它的计算代价大，因而提出了一种新的解决方案，空间转换（DT）替换

行者无疆兮·2020-06-25 04:05

CNN-SLAM:实时密集单目SLAM，可学习深度预测

摘要：考虑到卷积神经网络在深度预测方面的最新进展（CNNs）。本文研究了如何利用深度神经网络的预测深度图进行精确、密集的单眼重建。

勤奋骚年·2020-06-24 18:46

卷积神经网络入门篇

然而，理解CNNs网络并且学会怎么使用CNN网络却不

奥辰·2020-06-24 10:40

18-19基于预训练的语言模型对比

18-19年基于预训练的语言模型对比ref：后BERT时代：15个预训练模型对比分析与关键点探究1.模型对于长距离依赖的处理能力Transformer-XL>Transformer>RNNs>CNNs2

秃然变强了·2020-06-23 23:48

12种主要的Dropout方法：如何应用于DNNs，CNNs，RNNs中的数学和可视化解释

作者：AxelThevenot编译：ronghuaiyang导读深入了解DNNs，CNNs以及RNNs中的Dropout来进行正则化，蒙特卡洛不确定性和模型压缩的方法。

Congqing He·2020-06-23 13:24

卷积神经网络在自然语言处理的应用

那CNNs又是什么呢？CNNs本质上就是多层卷积运算，外加对每层的输出用非线性激活函数做转换，比如用ReLU和tanh。在传统的前馈神经网络中，我们把每个输入神经元与下一层的输出神经元相连接。

hdpai2018·2020-06-23 13:55

端到端深度学习在自动驾驶汽车上的应用

原文：End-to-EndDeepLearningforSelf-DrivingCars翻译：KK4SBB责编：周建丁（zhoujd@csdn.net）在最近的一款汽车应用产品中，我们用卷积神经网络（CNNs

周建丁·2020-06-23 13:08

Gate.io首发IEO项目CNNS公告解读版，看我就够了

知行合一，穿越牛熊，不疯魔不成活。一、今日要闻1、据coindesk报道，美国总统候选人AndrewYang呼吁为加密资产推出“明确的指导方针”。2、巴黎圣母院已收到近10亿美元捐赠包含极小部分BTC。3、报告显示：今年区块链投资额已全面赶超2017年全年水平。4、G20准备规范加密资产：国际合作监管势在必行。5、RippleLabs昨日出售2000万枚XRP，有社区成员称其3个月共计卖出10亿枚

何先生2019·2020-06-23 11:45

CNN的Flatten操作 | Pytorch系列（七）

在这篇文章中，我们将可视化一个单一灰度图像的张量flatten操作，我们将展示如何flatten特定的张量轴，这是CNNs经常需要的，因为我们处理的是批量输入而不是单个输入。

flyfor2013·2020-06-23 08:10

利用卷积网络来预测股票价格的变动

本文探讨了CNNs的一个典型应用：利用卷积网络来预测股票价格的变动，即利用卷积网络来预测过去价格波动的时间序列，其目的是利用它们来买卖股票，以赚取利润。

X-in心悸·2020-06-23 01:19

cnns认购，不要在该投机的时候谈价值！

1GT还会涨。GT上线之后较认购价翻倍的走势，是在预料之中的事。因为Gate第三阶段购买点卡赠送GT的活动将会很快开启，届时，按照计划，起始价是每支付1USDT购买一个点卡赠送0.5GT；三个月后递减为0.4GT，依此类推，最后三个月为0.2GT。也就是说最低一个usdt能得到0.5个GT，相当于一个GT价值2usdt；最高1个USDT只能买到0.2个GT，相当于每个GT价格在5USDT，与第一阶

兴春miao·2020-06-22 23:16

Tencent ML-Images: A Large-Scale Multi-Label Image Database for Visual Representation Learning

本文中，我们期望利用多标签的图像训练CNNs，从而增强训练出来的CNN模型的表达质量。为了达到目的，我们建立一个包含18M图像，11K类别的大规模多标签样本集，称为TencentML-Images。

abrams90·2020-06-22 12:04

来自AI专家的13篇必读论文

以下所有的论文都可以免费访问并涵盖从Hypergradients到CNNs的模型响应等一系列主题。每位专家还包括了论文被选中的原因，以及一段简短的个人简介。JeffClu

文文学霸·2020-06-22 12:37

类脑运算--脉冲神经网络（Spiking Neural Network）叙述

SpikingNeuralNetwork简述（一）传统神经网络包括现存的各种以perceptron为基本单元的拓扑变种，比如卷积神经网络系列（CNNs),循环神经网络系列（RNNs）,生成对抗网络（GANs

Yannan_Strath·2020-06-22 09:23

AI challenger 场景分类 PyTorch 迁移学习 Places365-CNNs 启动代码

CHANGES:-imagenetcnns:resnet:http://pytorch.org/docs/master/torchvision/models.html-places365cnns:resnet18,50

Wayne2019·2020-06-22 08:45

Learning Convolutional Neural Networks for Graphs（学习图卷积神经网络）

灬Miracle丶·2020-06-22 04:34

推荐频道

CNNS