ConvNet 第5页

caffe之CIFAR-10与dropout

CIFAR-10实例caffe中的CIFAR-10实例重现了AlexKrizhevsky的cuda-convnet中的结果，具体的模型定义、参数、训练步骤等都是按照cuda-convnet中的进行设置的

狮子HH·2020-09-17 04:53

Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps 中文翻译

9739878DeepInsideConvolutionalNetworks:VisualisingImageClassificationModelsandSaliencyMaps摘要本文提出了图像分类的可视化模型，这一模型使用了深度卷积网络（Convnet

zcy0xy·2020-09-16 13:15

paper: The years of pedestrain Detection,what have we learned?

1：Introduction主要的行人检测方法：“Viola&Jonesvariants”，HOG+SVM，DPM，ConvNet2：Dateset1：不同的数据集INRIA：最古老的也是有相对较少的图片

weixin_34010566·2020-09-16 04:59

ShaneneD·2020-09-12 19:06

CUDA学习日志：开发环境配置和学习资源

接触CUDA的时间并不长，最开始是在cuda-convnet的代码中接触CUDA代码，当时确实看的比较痛苦。

LinJM-机器视觉·2020-09-12 18:44

keras 使用卷积神经网络进行序列处理

下面是示例代码：#coding:utf-8#In[2]:'''使用convnet进行序列处理：在Keras中，通过`Conv1D`层使用1Dconvnet，它具有与`Conv2D`非常相似的接口。

CC 公众号： hw_cchang·2020-09-11 20:37

CNTK API文档翻译(7)——对MNIST数据使用卷积神经网络

介绍卷积神经网络（ConvolutionalNeuralNetwork，CNN/ConvNet）是一种与上一篇文章解释的多层感知机神经网络相似的前馈人工神经网络。

诗酒趁养狗·2020-09-10 22:57

Deep Image Homography Estimation 个人解读

本篇博文主要讲解2016年发表在ComputerVisionandPatternRecognition上的一篇文章DeepImageHomographyEstimation文章地址，该文章主要讲述了使用ConvNet

ajing2014·2020-08-25 17:08

经典分类CNN模型系列其二：VGG

介绍自Alexnet于2012年的ILSVRC大赛中奋勇夺魁后，ConvNet就不可抑制地大发展了起来。2014年新的一届ILSVRC大赛中Googlenet与VGG的身影分外亮眼。

manofmountain·2020-08-24 15:26

CNN学习（一）

参考：>CS231nConvolutionalNeuralNetworksforVisualRecognition**一、卷积神经网络（CNN/ConvNet）概述由神经元组成，这些神经元具有可以被训练的权重和偏置

我就是想试试名字可以多长·2020-08-24 04:51

用于图像降噪的卷积自编码器

其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如果你对这方面已经很清楚了，可以跳过)。然后，我会介绍标准神经网络。

磐创 AI·2020-08-24 00:54

Keras学习教程六

我们将使用我们的convnet对MNIST数字进行分类，这是您在第2章中已

AI小白一枚·2020-08-22 11:45

MNIST手写体识别（Tensorflow）

文章目录一、Tensorflow配置与安装二、卷积神经网络ConvNet1.卷积层（Padding）2.Pooling层3.全连接层三、MNIST数据集的特征1.MNIST训练集的特征2.MNIST测试集的预测情况容易误判但是判断正确的图像误判的图像一

limmmy·2020-08-22 02:30

VGG论文笔记

对使用3*3卷积核的网络随着深度的增加的评估，发现当网络深度达到16-19层时效果会有显著的提升introduction为了提升convnet的准确率，目前大致有两种方向1、使用更小的感受野和在第一个卷积层上使用更短的步长

老哥你瞅啥·2020-08-20 20:46

【论文笔记】Place Recognition with ConvNet Landmarks-2015

十月岑·2020-08-20 13:14

经典分类CNN模型系列其二：VGG

介绍自Alexnet于2012年的ILSVRC大赛中奋勇夺魁后，ConvNet就不可抑制地大发展了起来。2014年新的一届ILSVRC大赛中Googlenet与VGG的身影分外亮眼。

城市中迷途小书童·2020-08-20 13:41

论文分享 Unsupervised Cross-Modality Domain Adaptation of ConvNets for Biomedical Image Segmentations wi

摘要：卷积网络(ConvNet)在各种具有挑战性的视觉任务中取得了巨大的成功。然而，当遇到域偏移时，ConvNet的性能会降低。

Klay Ye·2020-08-20 04:00

pytorch入门：60分钟闪电战-2

样例convnet是一个简单的前馈网络。它接受输入，一个接一个地通过几个

HimeAnole·2020-08-19 19:24

MutualNet: Adaptive ConvNet via Mutual Learning from Network Width and Resolution论文学习

Abstract本文提出了宽度-分辨率相互学习的方法（MutualNet），根据动态的资源约束来训练网络，实现运行时自适应的准确率-效率的平衡。该方法利用不同的宽度和输入分辨率，训练了多个子网络，每个网络都互相学习多尺度的特征表示。相对于目前SOTA的自适应网络US-Net，本文方法在ImageNet上取得了更高的top-1准确率，要比最优的复合尺度的MobileNet和EfficientNet高

calvinpaean·2020-08-19 06:30

神经网络结构画图

参考代码：https://github.com/gwding/draw_convnet环境本地：win10+python3+tensorflow0.12rc远程ssh：Ubuntu14+python2,3

ClarenceHoo·2020-08-19 06:58

pytorch中的model.eval()和BN层

classConvNet(nn.module):def__init__(self,num_class=10):super(ConvNet,self).

weixin_30684743·2020-08-19 04:10

【pytorch】模型的搭建保存加载

搭建ConvNet所有的网络都要继承torch.nn.Module，然后在构造函数中使用torch.nn中的提供的接口定义layer的属性，最后，在forward函数中将各个layer连接起来。

tfygg·2020-08-19 04:58

对 CNN facial point detection[CVPR2013]一文的实现

本人尝试在ConvNet上对该网络进行了实现。收获有以下几点：1.结构与权重初始化对训练过程的影响。在研究中发现：深度卷积网的可优化性严重依赖于结构和

kklots·2020-08-18 13:21

VGG学习总结

论文主要是讨论了卷积神经网络(ConvNet)架构设计的另一个重要方面——深度，通过将深度增加到16-19层，分类效果得到了显

Saber-alter·2020-08-17 15:23

VGG

三、ConvNet结构这一节详细描述了ConvNet的网络结构。3.1结构Archite

shayashi·2020-08-17 14:48

STACKED WHAT-WHERE AUTO-ENCODERS论文翻译

SWWAE的实例化使用卷积网（Convnet）（LeCun等人（1998））来编码输入，并使用反卷积网（Deconvnet）（Zeiler等人（2010））来产生重建。

ningbo2016·2020-08-17 13:22

VGG-19 关于ConvNet架构设计深度部分解读

一、ConvNet的输入是固定大小的224×224RGB图像，对图像的唯一预处理是从每个像素中减去在训练集上计算的RGB均值。

A_Hou·2020-08-17 11:29

PyTorch学习笔记（1）-finetune网络的一些注意事项

transferlearning有以下几种场景：1.将ConvNet作为特征提取器：将预训练好的网络去掉最后一层，前面的层作为特征

二楼后座Scarlett·2020-08-17 03:19

学习笔记十一——FPN

思路：本文利用ConvNet特征层级的金字塔形状，创建一个在所有尺度上都具有强大语义的特征金字塔。最终实现创建网络中的特征金字塔，

Shl_1024·2020-08-16 11:13

卷积神经网络

article/details/41596663自今年七月份以来，一直在实验室负责卷积神经网络（ConvolutionalNeuralNetwork，CNN），期间配置和使用过theano和cuda-convnet

tianwaifeimao·2020-08-16 01:44

2015深度学习回顾：ConvNet、Caffe、Torch及其他

CVPR可谓计算机视觉领域的奥运会，这是vision.ai的Co-Founder，前MIT研究人员T.Malisiewicz针对CVPR'15尤其是DeepLearning的综述文章，谈到了ConvNet

廖振钦·2020-08-14 11:37

pytorch 共享参数方法

例子1：classConvNet(nn.Module):definit(self):super(ConvNet,self).init()self.conv_weight=nn.Parameter(torch.randn

genous110·2020-08-13 14:31

如何画出漂亮的神经网络图？

Githubhttps://github.com/ashishpatel26/Tools-to-Design-or-Visualize-Architecture-of-Neural-Network1.draw_convnet

code小生_·2020-08-12 10:12

卷积神经网络简述(一)

前言卷积神经网络（ConvolutionalNeuralNetwork,CNN或ConvNet）是一种具有局部连接、权重共享等特性的深层前馈神经网络。

小晴洛·2020-08-11 05:17

cuda-convnet 中数据组织格式

importosimportcPickleimportnumpyasnpimportImagedefMakeBatch(load_path_list,save_path,class_list):data=[]filenames=[]forload_pathinload_path_list:file_list=os.listdir(load_path)foriteminfile_list:ifite

yudingjun0611·2020-08-10 05:15

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks

我们展示了如何在ConvNet中有效地实现多尺度和滑动窗口方法。我们还通过学习预测对象边界引入了一种新颖的深度学习方法来进行定位。然后累积边界框而不是抑制边界框，以增加检测置信度。

菜菜菜菜菜菜菜·2020-08-09 15:47

论文笔记——ERFNet: Efficient Residual Factorized ConvNet for Real-time Semantic Segmentation

作者提出了一种基于残差连接和深度可分离卷积的语义分割网络，旨在不降低准确率的同时提高处理的帧数，可以满足自动驾驶中对于实时性的要求。一句话就是，我全都要！单元组成简单地说，网络中主要使用了残差连接，这种捷径可以使得低维的特征可以往后流动而不是被网络完全转化，同时也在训练时减少了梯度消失等情况。另外使用了深度可分离卷积，可以减少网络中的参数数量，提高训练效率和实际推算的速度。残差层可以用函数表示为上

渡边君·2020-08-08 14:30

【天池比赛服装关键点检测fashionAI_landmark_detect踩坑笔记（一）】

注意：由于convNet越往深层提取的特征越是高层特征，视野更广，而相对一些边缘信息等浅层特征会被忽略，因此在用VGG16进行回归时NE效果是28%，比较差。

Wanderist_ZK·2020-08-08 11:35

cs231n训练营学习笔记（9）卷积和池化

从函数角度解读卷积神经网络工作原理每个卷积核（感受野receptivefield）对应输出一个激活映射（activationmap)，每层ConvNet由多个卷积核输出的激活映射组成，与前面线性分类器不同

就叫荣吧·2020-08-08 00:56

如何通过Pytorch代码可视化理解卷积神经网络

所有这一切都归功于卷积神经网络（CNN），这是一种特殊类型的神经网络，也称为convnet。如果你是一个深度学习[1]爱好者，你可能已经听说过卷积神经网络，也许你自己甚至开发了一些图像

Wang_AI·2020-08-05 09:15

卷积神经网络的并行化模型——One weird trick for parallelizing convolutional neural networks

前段时间一直在关注CNN的实现，查看了caffe的代码以及convnet2的代码。目前对单机多卡的内容比较感兴趣，因此特别关注convnet2关于multi-GPU的支持。

蔡金平·2020-08-04 22:25

DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%)

99.4%)目录输出结果设计思路核心代码输出结果设计思路核心代码network=DeepConvNet()network.load_params("data_input/DeepConvNet/deep_convnet_params.pkl

一个处女座的程序猿·2020-08-03 23:37

三、pytorch学习笔记之迁移学习

因此，在一个非常大的数据集上与训练Convnet是很有必要的，经过预训练的ConvNet可以用来初始化也可以作为特征提取器，接下来介绍集中迁移学习的思路。

Traviscxy·2020-08-03 22:45

pytorch 共享参数方法

例子1：classConvNet(nn.Module):def__init__(self):super(ConvNet,self).

马管子·2020-08-03 21:00

深度学习系列5：迁移学习和部署

通常的做法是使用别人训练好的ConvNet的参数作为目标任务的初始化参数（甚至固定convnet的参数，只训练后面的参数）。下面使用pytorch来说明迁移学习的步骤。

IE06·2020-08-03 01:01

convnet源码解析(一)：基础准备

JeremyLinConvNet是一个基于GPU实现的卷积神经网络开源代码（C++11），是由多伦多大学的GeoffreyHinton深度学习团队编写的，它的最初版本是Hinton的学生AlexKrizhevsky编写的cuda-convnet

LinJM-机器视觉·2020-08-02 21:03

【论文翻译】Visualizing and Understanding Convolutional Networks

VisualizingandUnderstandingConvolutionalNetworks【原文链接】https://arxiv.org/pdf/1311.2901.pdf【翻译时间】2018.09.05题目：可视化和理解卷积网络2.Approach我们在整个论文中使用了标准的完全监督的ConvNet

C小C·2020-08-02 15:04

Automatic Photo Adjustment Using Deep Neural Networks 论文实验训练测试部分

dl_image_enhance安装部分教程，这个小哥哥写的很好我写下安装cuda_convent_plus和训练测试dl_image_enhance部分首先，把这来两个文件下载下来，在作者的github上，地址：cuda_convnet_plusanddl_image_enhance

水球喵·2020-07-30 02:40

如何高效便捷的画出炫酷神经网络图

目录NN-SVGPlotNeuralNetConvNetDrawDraw_Convnet本文介绍几款如何画出炫酷高大上的神经网络图工具，下面是常用的几种工具。

不脱发的程序猿·2020-07-29 20:52

猫狗分类器--特征提取与微调

猫与狗图像分类Exercise3:特征提取与微调Estimatedcompletiontime:30minutes在练习1中，我们从头开始构建了一个convnet，并且能够达到约70％的准确度。

Adam坤·2020-07-28 20:32

推荐频道

ConvNet

caffe之CIFAR-10与dropout

Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps 中文翻译

paper: The years of pedestrain Detection,what have we learned?

卷积神经网络相关知识

CUDA学习日志：开发环境配置和学习资源

keras 使用卷积神经网络进行序列处理

CNTK API文档翻译(7)——对MNIST数据使用卷积神经网络

Deep Image Homography Estimation 个人解读

经典分类CNN模型系列其二：VGG

CNN学习（一）

用于图像降噪的卷积自编码器

Keras学习教程六

MNIST手写体识别（Tensorflow）

VGG论文笔记

【论文笔记】Place Recognition with ConvNet Landmarks-2015

经典分类CNN模型系列其二：VGG

论文分享 Unsupervised Cross-Modality Domain Adaptation of ConvNets for Biomedical Image Segmentations wi

pytorch入门：60分钟闪电战-2

MutualNet: Adaptive ConvNet via Mutual Learning from Network Width and Resolution论文学习

神经网络结构画图

pytorch中的model.eval()和BN层

【pytorch】模型的搭建保存加载

对 CNN facial point detection[CVPR2013]一文的实现

VGG学习总结

VGG

STACKED WHAT-WHERE AUTO-ENCODERS论文翻译

VGG-19 关于ConvNet架构设计深度部分解读

PyTorch学习笔记（1）-finetune网络的一些注意事项

学习笔记十一——FPN

卷积神经网络

2015深度学习回顾：ConvNet、Caffe、Torch及其他

pytorch 共享参数方法

如何画出漂亮的神经网络图？

卷积神经网络简述(一)

cuda-convnet 中数据组织格式

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks

论文笔记——ERFNet: Efficient Residual Factorized ConvNet for Real-time Semantic Segmentation

【天池比赛服装关键点检测fashionAI_landmark_detect踩坑笔记（一）】

cs231n训练营学习笔记（9）卷积和池化

如何通过Pytorch代码可视化理解卷积神经网络

卷积神经网络的并行化模型——One weird trick for parallelizing convolutional neural networks

DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%)

三、pytorch学习笔记之迁移学习

pytorch 共享参数方法

深度学习系列5：迁移学习和部署

convnet源码解析(一)：基础准备

【论文翻译】Visualizing and Understanding Convolutional Networks

Automatic Photo Adjustment Using Deep Neural Networks 论文实验训练测试部分

如何高效便捷的画出炫酷神经网络图

猫狗分类器--特征提取与微调