CNNS

Will it fail CNNs (on MNIST)?

WillitfailCNNs(onMNIST)?1、-"usetherawpixelvaluesbetween[0,255]"Correct.AlmostallCNN'sprefertonormalizepixelvaluenormalizedbetween[-1,1]2、-"initializealltheCNNweightsas0"Correct,Networkweightsshouldbei
透明的红萝卜123·2022-02-02 23:04

基于深度学习和OpenCV实现目标检测

高效（深度）神经网络使用OpenCV进行基于深度学习的对象检测使用OpenCV检测视频使用深度学习和OpenCV进行目标检测基于深度学习的对象检测时，您可能会遇到三种主要的对象检测方法：FasterR-CNNs
·2021-12-27 12:52

恒源云_卷积神经网络的工作原理

CNN又被称为CNNs或ConvNets，它是目前深度神经网络（deepneuralnetwork）领域的发展主力，在图片辨别上甚至可以做到比人类还精准的程度。如果要说有任何方法能
·2021-11-30 18:39

[人工智能-深度学习-24]：卷积神经网络CNN - CS231n解读 - 卷积神经网络基本层级

卷积神经网络CNN-CS231n解读-卷积神经网络基本层级_文火冰糖（王文兵）的博客-CSDN博客目录第1章CS321n卷积神经网络简介1.1CS321n的简介1.2CS321n连接第2章卷积神经网络（CNNs
文火冰糖的硅基工坊·2021-10-16 21:18

【论文翻译】VIT:An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

本文表明对CNNs的依赖不是必要的，纯转换器（puretransformer）直接应用于图像块（imag
栗子很菜·2021-08-09 09:15

MTCNN论文阅读

作者通过多任务学习，使用统一的级联CNNs来整合这两个任务。所提出的CNNs包括三个阶段:在第一阶段，它通过浅层CNN快速产生候选窗口。
夏威夷的芒果·2021-06-11 06:54

Receptive field in CNNs

建议先阅读Aguidetoconvolutionarithmeticfordeeplearning论文笔记感受野（receptivefield）：卷积网络中某非输入层的featuremap中的神经元（像素点）映射到输入featuremap上的区域大小。ThereceptivefieldisdefinedastheregionintheinputspacethataparticularCNN’sfe
醒醒去睡吧·2021-06-06 22:01

狂热币记之前记 狂热者想说的一些话及明日预告——浅析GATE IEO CNNS和DREP，为什么有些人亏得需要维权？

狂热者为什么要开始写“狂热币记”，原因如下:狂热者作为币乎首批用户，在辛勤“劳作”（不能称为写作）下，也拥有了5000+的粉丝，但是狂热者应该是币乎最失败的5000+作者，此次币乎对原创内容整顿，狂热者“有幸”也被砸中了，故此，狂热者认为，能那样混下去了，从今天开始吧!不能到处搬砖了，开始写作，希望大家能多支持狂热者，给狂热者动力，由于被长文范围禁言3天，所以狂热币记长文在4月28日6点55分准时
区块链狂热者·2021-05-11 08:32

CVPR2021 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

计算机视觉中的建模一直由卷积神经网络（CNNs）主导。自然语言处理(NLP)中的网络体系结构的发展走了一条不同的道路，今天流行的体系结构是Transformer。
smile909·2021-03-27 23:49

Learning Memory-guided Normality for Anomaly Detection阅读笔记

这些方法的主要缺点就是没有考虑正常样本的多样性，CNNs的能力太强，对于输入是异常的视频帧样本，也能重建的
thinklis·2021-03-19 10:16

手部姿态估计综述

关于手部姿态估计的资料好少，那我就自己来整理一下吧参考文献：《HandPoseEstimation:ASurvey》Abstract近年来，深度卷积神经网络(CNNs)在几乎所有计算机视觉任务中的成功，
sxxblogs·2021-01-13 17:17

图解：卷积神经网络数学原理解析

聚焦于理解神经网路如何工作，主要关注于CNNs的一些典型问题：数字图像的数据结构、步幅卷积、连接剪枝和参数共享、卷积层反向传播、池化层等。原标题：Ge
小白学视觉·2021-01-02 10:00

卷积神经网络数学原理解析

本文将带你加深理解神经网络如何工作于CNNs。
公众号机器学习与生成对抗网络·2020-12-21 14:22

人工智能-深度学习-神经网络：CNN(Convolutional Neural Networks，卷积神经网络)

一、概述卷积神经网络（ConvolutionalNeuralNetworks/CNNs/ConvNets）与普通神经网络非常相似，它们都由具有可学习的权重和偏置常量(biases)的神经元组成。
ninjawei·2020-12-18 22:32

医学图像分类_深度学习与医学图像分析

近几年来，深度学习（Deeplearning,DL），特别是深度卷积神经网络（Convolutionalneuralnetworks,CNNs）已经迅速发展成为医学图像分析的研究热点，它能够从医学图像大数据中自动特区隐
weixin_39941792·2020-12-17 18:14

Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference笔记

#1提出问题：如何将复杂的CNNs成功部署到移动端等内存较小的设备中？
木木阳·2020-12-16 12:55

cnn卷积神经网络_Python 徒手实现 卷积神经网络 CNN

参考：CNNs,Part1:AnIntroductiontoConvolutionalNeuralNetworks参考：CNNs,Part2:TrainingaConvolutionalNeuralNetwork1
weixin_39733232·2020-11-25 17:04

用深度卷积自编码器在10分钟内降低图像噪声

你可能听说过前馈神经网络，CNNs，RNNs，这些神经网络对于解决诸如回归和分类之类的监督学习任务非常有用。
人工智能遇见磐创·2020-10-10 01:30

用深度卷积自编码器在10分钟内降低图像噪声

你可能听说过前馈神经网络，CNNs，RNNs，这些神经网络对于解决诸如回归和分类之类的监督学习任务非常有用。
人工智能遇见磐创·2020-10-09 13:18

深度学习图像分割：网络结构设计一览

作者丨李慕清@知乎来源丨https://zhuanlan.zhihu.com/p/104854615转自|极市平台导读在利用CNNs进行图像语义分割时，有一些针对网络结构的创新点，主要包括了新神经架构和新组件或层的设计
公众号机器学习与生成对抗网络·2020-09-16 11:30

[阅读笔记] Occluded Pedestrian Detection Through Guided Attention in CNNs

一作是ShanshanZhang。要解决的是行人检测里的遮挡问题。理解：人体的不同部位在特征图上对应不同的通道。这是对于遮挡模式的定义。理解：用Attentionnet回归occlusionpattern。Attentionnet的结构从(a)(b)(c)三个里面选。(a）selfattentionnet就是自注意力࿰
Super Mars·2020-09-16 02:25

卷积神经网络学习笔记（一）

CNNs学习笔记一基本原理1）反向传导算法在机器学习中，给定了测试数据集后经过一个模型后得到的一个实际输出数据集，为了刻画实际值与理想值之间的关系，我们定义了一个代价函数，有时也叫损失函数：下图为神经网络的一般模型
ZoeGreenn·2020-09-15 23:23

《Shape Completion using 3D-Encoder-Predictor CNNs and Shape Synthesis Angela》

pipelinegraphTDA[3D-EPN:predictglobalstructureinunknownarea]-->B[correlatetheseintermediaryresultwith3Dgeometryfromashapedatabase]B-->C[patch-based3Dshapesynthesismethod]Contribution3D-EPNcompletespar
Bamboozq·2020-09-15 04:40

数据增强方法 | 基于随机图像裁剪和修补的方式（文末源码共享）

深度卷积神经网络(CNNs)在图像处理中取得了显著的效果。然而，他们的高表达能力有过度适应的风险。因此，提出了在丰富数据集的同时防止过度拟合的数据增强技术。
计算机视觉研究院·2020-09-15 02:22

快速人脸验证--MobileFaceNets: Efficient CNNs for Accurate Real-time Face Verification on Mobile Devices

MobileFaceNets:EfficientCNNsforAccurateReal-timeFaceVerificationonMobileDevicesFaceVerification我说我是张三，系统判断一下我是不是张三FaceIdentification我什么都没说，系统说一下我是谁？在手机等移动设备上如何进行人脸验证了？本文提出了一个快速准确的网络MobileFaceNets本文首先分
O天涯海阁O·2020-09-14 17:34

【SENet】Squeeze-and-Excitation Networks (2017) 全文翻译

作者JieHu，LiShen，SamuelAlbanie，GangSun，EnhuaWu摘要卷积神经网络（CNNs）的核心组成部分是卷积算子，它使网络能够通过融合每层局部感受野中的空间和信道信息来构造信息特征
魏晓蕾·2020-09-14 00:16

【源码】voxelmorph：图像配准的无监督学习

基于CNNs的图像配准无监督学习UnsupervisedLearningwithCNNsforImageRegistration该源码包含多个变体，首先在CVPR2018（初始无监督学习）和MICCAI2018
梅花香——苦寒来·2020-09-13 06:24

3DSRnet: Video Super-resolution using 3D Convolutional Neural Networks论文笔记

3DSRnet:VideoSuper-resolutionusing3DConvolutionalNeuralNetworks论文笔记论文链接一.简介虽然2D-CNNs在图像建模方面具有强大的功能，但3D-CNNs
Ytravel·2020-09-13 04:50

VNET原理与实现（1）

先看一下论文吧：点击链接摘要卷积神经网络(CNNs)近年来被广泛应用于计算机视觉和医学图像分析领域。尽管它们很流行，但大多数方法只能处理二维图像，而大多数临床应用的医学数据由三维体组成。
海盗pk武龙·2020-09-12 18:31

多模态(RGB-D)——RCFusion

1.RCFusion网络结构：网络从CNNs的多个隐层来为RGB和Depth提取特征，另外使用正交损
Peanut_范·2020-09-12 07:17

HetConv--Heterogeneous-Kernel-Based-Convolutions-for-Deep-CNNs

whenCVPR2019what对于深度卷积神经网络而言，准确度和计算成本往往难以得兼，研究界也一直在探索通过模型压缩或设计新型高效架构来解决这一问题。印度理工学院坎普尔分校的一篇CVPR论文则给出了一个新的思路——使用异构的卷积过滤器；实验表明这种方法能在保证准确度的同时显著降低计算成本。who（动机）卷积神经网络（CNN）在视觉和自然语言处理领域都已经取得了卓越的表现。进一步提升性能的总体趋势
jiyeyong·2020-09-11 22:32

Reading report: V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation

FullyConvolutionalNeuralNetworksforVolumetricMedicalImageSegmentation**Abstract:**ConvolutionalNeuralNetworks(CNNs
Litou_lyh·2020-09-11 22:26

使用PyTorch进行迁移学习

概述迁移学习可以改变你建立机器学习和深度学习模型的方式了解如何使用PyTorch进行迁移学习，以及如何将其与使用预训练的模型联系起来我们将使用真实世界的数据集，并比较使用卷积神经网络(CNNs)构建的模型和使用迁移学习构建的模型的性能介绍我去年在一个计算机视觉项目中工作
磐创 AI·2020-09-11 21:11

论文品读：Stability Based Filter Pruning for Accelerating Deep CNNs

2018年的论文，提出了一种新的评价卷积核重要程度的方式。主要思想是比较改变损失函数前后训练得到的两套参数，如果某个位置的参数改变的幅度大，就认为该参数是敏感的不稳定的，那就是不重要的，优先裁剪。具体过程如下1.正常训练得到基础模型参数。2.改变损失函数并训练1到3个epoch得到新的模型参数，新的损失函数为左边公式的L，C是原始损失函数，K代表网络有几层，S通过右边公式得到。右边公式的代表网络的
饭后吃西瓜·2020-09-11 08:03

深度学习调参备忘（一）

CNNs调参备忘：在所有深度网络中，卷积神经网和图像处理最为密切相关，卷积网络在很多图片分类竞赛中都取得了很好的效果，但卷积网调参过程很不直观，很多时候都是碰运气。
狮子HH·2020-09-10 21:22

A Comprehensive Study on Cross-View Gait Based Human Identification with Deep CNNs论文中对于LB实验的理解

 最近想重复一下这篇论文的中LB结构的理解。但是论文中对于这个结构的描述有点含糊不清，在此梳理一下。 在原论文的4.2.1节论文的截图如下： 对于上一段话的翻译：在这个网络中，一对GEI对比阶段是在网络的底部区域。在计算一对GEI之前，仅仅用了线性映射。这个阶段的实现是在卷积阶段用16个filters来实现的.一对GEI作为一对filter的输入。这种方法可以看做两个加权比较器。 我这里的理解是一
cool whidpers·2020-09-10 21:07

读书笔记--Deep Learning for Computer Vision with Python（第11章）

文章目录第十一章CNNs1.理解卷积1.1卷积VS互相关1.2Kernels1.3卷积1.4卷积在深度学习中的作用2.CNNBuildingBlocks2.1CONV2.2Pooling层2.3BN层2.4DO
一只自学喵·2020-09-10 20:21

[去雾论文]--AAAI2020-FFA-Net：Feature Fusion Attention Network for Single Image Dehazing

FA对不同的特征和像素的处理是不平等的，这为处理不同类型的信息提供了额外的灵活性，提高了CNNs的表达能力
chenzy_hust·2020-09-10 20:11

CS231n Convolutional Neural Networks for Visual Recognition 自翻译

CS231nConvolutionalNeuralNetworksforVisualRecognitionConvolutionalNeuralNetworks(CNNs/ConvNets)ConvolutionalNeuralNetworksareverysimilartoordinaryNeuralNetworksfromthepreviouschapter
炸天小王子·2020-09-10 11:17

论文笔记----A Comprehensive Study on Cross-View Gait Based Human Identification with Deep CNNs

步态识别这方面目前最好的工作应该是中科院自动化所ZifengWu等的工作，发表在17年的TPAMI上，其在CASIA-B这个跨视角步态数据集上的准确率到达了一个相当高的水准。paper
Leo_whj·2020-09-10 11:16

Real-time 3D Hand Pose Estimation with 3D Convolutional Neural Networks

基于三维卷积神经网络的实时三维手势估计1摘要  在本文中，我们提出了一种使用三维卷积神经网络（CNNs）从单深度图像进行实时三维手姿态估计的新方法。
杨6·2020-08-25 04:36

Motion-Guided Cascaded Refinement Network for video object segmentation论文解读

摘要CNNs已经在很多计算机视觉和图像理解的任务中获得了超越性的性能。然而，cnn仍然未能有效应用在视频目标分割中（以后简称VOS），因为对待视频帧当做单独和静态的图像将丢失隐藏在动作中的信息。
咆哮的阿杰·2020-08-25 04:28

机器视觉的情感判断实践（From Pixels to Sentiment: Fine-tuning CNNs for Visual Sentiment Prediction）

看到了2017年的一篇文章FromPixelstoSentiment:Fine-tuningCNNsforVisualSentimentPrediction，对于其里面的视觉中的情感判断，感觉非常有价值，于是就直接利用其提供好的模型进行了测试，感觉效果还是不错。与传统的文本情感判断一样，机器情感的判断基础框架也是一样，对一张图像给个0,1这样的值，然后进行训练。如给出的的train数据集的组织格式
sparkexpert·2020-08-25 01:16

Gated-SCNN: Gated Shape CNNs for Semantic Segmentation——论文阅读理解

TitleGated-SCNN:GatedShapeCNNsforSemanticSegmentation标题Gated-SCNN:门控形状CNN用于语义分割pdfhttps://arxiv.org/pdf/1907.05740.pdfcodehttps://github.com/nv-tlabs/GSCNN摘要当前用于图像分割的最新方法形成了密集的图像表示，其中颜色，形状和纹理信息都在CNN中一
Nick Blog·2020-08-24 04:36

NLP预训练模型综述

现在深度学习越来越火了，在NLP领域主要使用CNNs、RNNs、GNNs以及attention机制。
wshzd·2020-08-24 04:26

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

论文阅读之GSCNNGated-SCNN:GatedShapeCNNsforSemanticSegmentationBilinear+ASPP的GSCNN语义分割网络fromICCV2019ProjectWebsite摘要目前的语义分割还是通过逐像素点的密集分类框架完成，但有时不太理想。本文设计了一种双流模型，在常规流之外引入形状流分支额外处理形状信息，而且负责处理形状信息的网络结构不用太深就可以
黄小米吖·2020-08-24 01:52

车道线检测Learning Lightweight Lane Detection CNNs by Self Attention Distillation

LearningLightweightLaneDetectionCNNsbySelfAttentionDistillation2019ICCV摘要由于车道标注中固有的非常稀疏的监控信号，训练车道检测的深度模型是一个挑战。没有从更丰富的环境中学习，这些模型往往在具有挑战性的场景中失败，例如，严重的遮挡、模糊的车道和糟糕的照明条件。本文提出了一种新的知识蒸馏方法，即自我注意力蒸馏（selfattent
yours13·2020-08-24 01:40

CVPR2018论文阅读--Occluded Pedestrian Detection Through Guided Attention in CNNs

引言以往的在行人检测中解决遮挡问题都是设计特定的遮挡Pattern。这样做的最大问题是不能够枚举出来所有的遮挡情况。因此，该文提出一种attentionmechanism来帮助检测器
GuanghaoChen·2020-08-24 01:31

在CNNs中通过引导注意力进行遮挡行人检测（论文翻译）

OccludedPedestrianDetectionThroughGuidedAttentioninCNNsbasedontheFasterRCNN1.介绍为了在一个连贯的模型中处理广泛的频繁和不太频繁的遮挡模式，我们提出了不同的注意机制，这就使得检测器更加注意可见的身体部位。这些注意机制是由基于cnn的不同通道的检测器。注意力机制在不同信道学习适当的注意力参数从而有效地处理不同的遮挡模式。1.
Niu950315·2020-08-23 23:51

基于全局误差重构的深度卷积神经网络压缩方法

最近在看这篇文章，翻译出来略作整理，本人能力有限，翻译不足之处还请谅解摘要近年来，在图像分类、目标检测、目标分析和人脸校正等诸多领域，卷积神经网络（CNNs）都取得了巨大的成功。
amulet0703·2020-08-23 22:31
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他