Convolution

Deformable-convolution--可变形卷积

在目前的视频超分研究中，可变形卷积应用效果得到了非常大的认可，在与传统光流或者深度学习光流网络计算光流的直接pk中，因为其直接在特征域计算对齐的特性，在EDVR等网络实践中效果更佳。1.原文解读DeformableConvolutionalNetworks-PDFDeformableConvolutionalNetworks-slides1.1背景在计算机视觉领域，同一物体在不同场景，角度中未知的
NCU_wander·2022-05-20 18:37

李宏毅《机器学习》笔记6：卷积神经网络

Convolution我们假定现在的input是一张6x6的图，而且这张图仅仅是黑白图，故
卡仕达酱·2022-05-20 07:04

李宏毅2020机器学习课程笔记--CNN

卷积神经网络为什么用CNN来处理影像CNN的结构Convolution部分Maxpooling部分Flatten为什么用CNN来处理影像当我们直接用一般的fullyconnectedfeedforwardnetwork
peacefairy·2022-05-20 07:41

李宏毅机器学习——卷积神经网络

convolution：原理：只根据图片的一小部分就能识别，比如鸟嘴，那么：选一个小区域（receptivefield）只关注一
Virginica·2022-05-20 07:32

论文解读（NGCF）《LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation》

论文信息论文标题：LightGCN:SimplifyingandPoweringGraphConvolutionNetworkforRecommendation论文作者：XiangnanHe,KuanDeng,XiangWang,YanLi,YongdongZha
Learner-·2022-05-14 15:00

【一起入坑AI】手把手教你 keras+CNN实现经典入门实战案例---猫狗识别

卷积神经网络简述二、猫狗数据下载与代码实现2.1猫狗数据下载链接2.2代码实现2.2.1我将代码分为两部分：2.2.2代码三、优化过程一、卷积神经网络简述典型的卷积神经网络通常由以下三种层结构共同组成：卷积层(Convolution
小样5411·2022-05-10 07:31

Pytorch深度学习—— 卷积神经网络基础篇（B站刘二大人P10学习笔记）

目录1概述2卷积（Convolution）2.1单通道的卷积2.2三通道的卷积2.2.11OutputChannel2.2.2MOutputChannels3卷积层常见参数3.1padding3.2stride3.3Subsampling
学习CV的研一小白·2022-05-01 07:18

PyTorch 深度学习实践 第10讲

2、卷积(convolution)后，C(Channels)变，W(width)
错错莫·2022-04-25 11:18

python TensorFlow 2二维卷积神经网络CNN对图像物体识别混淆矩阵评估

与传统的多层感知器架构不同，它使用两个称为convolution和pooling的操作将图像简化为其基本特征，
·2022-04-18 16:16

NLP-Beginner 任务二：基于深度学习的文本分类+pytorch(超详细！！)

Wordembedding(词嵌入)2.1词嵌入的定义2.2词嵌入的词向量说明2.3词嵌入模型的初始化2.3.1随机初始化2.3.2预训练模型初始化2.4特征表示三.神经网络3.1卷积神经网络（CNN）3.1.1卷积层（Convolution
0oTedo0·2022-04-11 09:55

深度学习（六）Convolution Neural Network——笔记

目录ConvolutionNeuralNetwork1.只需要取很小的一部分来观察2.二次抽样不会影响对图片的判断3.CNN的三条性质与实现方法4.property15.property26.CNN-MaxPooling7.CNNinKeras8.DeepDream9.CNN的更多应用场景ConvolutionNeuralNetworkCNN是用来简化这个神经网络的结构，去掉一些用不到的weigh
鹿衔草啊·2022-04-09 07:59

《CondLaneNet：a Top-to-down Lane Detection Framework Based on Conditional Convolution》论文笔记

参考代码：conditional-lane-detection1.概述介绍：这篇文章针对车道线问题提出一种使用Conditional-Conv完成车道线检测的方案，其灵感源自于SOLO-V1&V2与CondInst，将车道线不同实例的检测问题转换为了在求解其对应条件卷积所包涵的动态卷积参数问题，正是用这些对应的动态卷积参数去表示不同的车道线实例，这种思路与CondInst的构建原理最为相似。在这篇
m_buddy·2022-04-05 07:44

李宏毅机器学习笔记-10：卷积神经网络CNN

CNN通常使用在影像辨识上面CNN整体架构输入Data，经过卷积（Convolution），池化（Pooling），卷积，池化…（碾平（Flatten））全连（FullyConneted），其中卷积层，
墨九南烟·2022-04-04 10:18

论文阅读 Learning Motion in Feature Space: Locally-Consistent Deformable Convolution Networks

LearningMotioninFeatureSpace:Locally-ConsistentDeformableConvolutionNetworksforFine-GrainedActionDetectionProceedingsoftheIEEE/CVFInternationalConferenceonComputerVision(ICCV),2019task细粒度的动作检测阅读记录文中认为
WXiujie123456·2022-04-01 18:22

论文笔记 EMNLP 2020|Edge-Enhanced Graph Convolution Networks for Event Detection with Syntactic Relation

文章目录1简介1.1动机1.2创新2背景知识3方法4实验1简介论文题目：Edge-EnhancedGraphConvolutionNetworksforEventDetectionwithSyntacticRelation论文来源：EMNLP2020论文链接：https://arxiv.org/pdf/2002.10757.pdf代码链接：https://github.com/cuishiyao9
hlee-top·2022-03-30 07:31

深度学习中的各种卷积总结

深度学习中的各种卷积总结01普通卷积(Convolution)A.普通卷积的计算操作B.特殊的普通卷积B1.用途广泛的1x1卷积B2.卷积都是奇数的、nxn的么？
PRIS-SCMonkey·2022-03-25 07:29

膨胀卷积的缺点_空洞卷积(dilated convolution)理解

相比原来的正常convolution，dilatedconvolution多了一个hyper-parameter称之为dilationrate指的是kernel的
weixin_40002336·2022-03-25 07:56

膨胀卷积的缺点_【Deep Learning】空洞卷积(膨胀卷积)解析

layer{name:"fc6"type:"Convolution"bottom:"pool5"top:"fc6"param{lr_mult:1.0decay_mult:1.0}param{lr_mult
weixin_39878698·2022-03-25 07:25

空洞卷积

相比原来的正常卷积运算，空洞卷积多了一个超参数称之为dilationrate指的是kernel的间隔数量(e.g.正常的convolution是dilata
weixin_30386713·2022-03-25 07:22

group convolution (分组卷积)详解

文章目录【普通卷积】【groupconvolution(分组卷积)】【深度可分离卷积】【普通卷积】上图为普通卷积示意图，为方便理解，图中只有一个卷积核，此时输入输出数据为：输入featuremap尺寸：W×H×CW×H×CW×H×C，分别对应featuremap的宽，高，通道数；单个卷积核尺寸：k×k×Ck×k×Ck×k×C，分别对应单个卷积核的宽，高，通道数；输出featuremap尺寸：W′×
☞源仔·2022-03-21 07:26

【代码阅读】Sparse Convolution代码理解

文章目录OpenPCDet：VoxelBackBone8xspconvSparseTensorSubMConv3dget_indice_pairsindice_subm_convGEMMSparseConvolution成功用于3D目标检测的网络，例如Second，Part-A^2，PV-RCNN等，证明其有效性。相比于3DConvolution，在运算速度和显存消耗中有巨大的优势。SparseC
麒麒哈尔·2022-03-12 07:35

论文翻译：2020_DCCRN: Deep Complex Convolution Recurrent Network for Phase-Aware Speech Enhancement

论文地址：DCCRN：用于相位感知语音增强的深度复杂卷积循环网络论文代码：https://paperswithcode.com/paper/dccrn-deep-complex-convolution-recurrent
凌逆战·2022-03-09 15:00

Python深度学习入门笔记 4 CNN

网络结构CNN和之前介绍的神经网络一样，也是一层一层构建，不过，CNN中新出现了卷积层（Convolution层）和池化层（Pooling层）。
如魔·2022-02-26 07:17

[PyTorch] Deformable Convolution示例

需要注意DeformConv的参数初始化和学习率设置importtorchimporttorch.nnasnnimporttorchvision.opsasopsclassNet(nn.Module):def__init__(self,in_c,out_c,k=3):super().__init__()p=(k-1)//2self.split_size=(2*k*k,k*k)self.conv_o
东狱邪神·2022-02-25 07:41

卷积神经网络（CNN）结构详解

一、CNN的基本结构：1.图像就是输入层2.接着是CNN特有的卷积层（convolution），卷积层的自带激活函数使用的是ReLU3.接着是CNN特有的池化层（pooling），4.卷积层+池化层的组合可以在隐藏层中出现很多次
Caleb_L·2022-02-20 19:43

目标检测 --- Depthwise Convolution（深度可分离卷积）原理与思考

目标检测—DepthwiseConvolution（深度可分离卷积）原理与思考最近在研究mobilenet，其中有一层网络结构–DepthwiseConvolution（深度可分离卷积），然后就拎出来仔细研究下~参考：https://cloud.tencent.com/developer/article/1453992https://www.zhihu.com/question/265434464
A big bliss·2022-02-19 15:12

Deformable Convolution Network （可变形卷积）

DeformableConvolutionNetwork（可变形卷积）摘要简介可变形卷积原理可变形RoI池化和PSRoI池化论文arxiv地址笔者只将自己对于论文的理解和细节方面分享，不是论文翻译，以供交流学习，欢迎大家留言讨论。摘要CNN网络在训练完成之后，模型固定，对于有特殊几何形变的目标的感应能力不高。简单理解就是如果训练集中只出现直立站着的人，那么训练出的网络在预测的时候，能特定的感应出站
5ham1ess·2022-02-19 15:12

Why should we use convolution?

Whyshouldweuseconvolution?问题限定:仅对离散信号做分析首先要回答什么是卷积的问题.Inmathematicsand,inparticular,functionalanalysis,convolutionisamathematicaloperationontwofunctionsfandg,producingathirdfunctionthatistypicallyview
JasonLeaster·2022-02-19 15:40

可变形卷积 Deformable Convolution的简单理解

可变形卷积DeformableConvolution：分析步骤：1）如下图，先经过一个普通的卷积学习到每个每个特征点的位置偏移量dx和dy，所以大小变为（bhw*2c）2)然后就是用原图的特征和偏移量相加，得到偏移后的位置—大多数情况为小数。所以取值就不能直接取（当然偏移后位置不能越界）。3）因为偏移后可能为小数，所以需要双线性插值法来计算在此位置的值，插值法见后面，就是偏移后的位置和每个特征值（
人生不过于_躺·2022-02-19 15:09

卷积Convolution

应该说基本上所有信号都是以卷积的方式作用于系统。公式中h(x)是信号经过x作用时间后的权重（或者说衰减系数），变量x是信号到目前为止作用了多长时间（x是时间间隔）。参考：WhatisaConvolutionIntegral?
在路上@Amos·2022-02-19 15:38

dynamic convolution动态卷积理解

参考代码：https://github.com/kaijieshi7/Dynamic-convolution-Pytorch博客：https://mp.weixin.qq.com/s/mZUSH7_7ysISoSMfxo4Vjw
Rainylt·2022-02-19 15:08

几种卷积的理解Convolution

卷积（Convolution）普通卷积思想比较简单，就是用一个kernal在image上进行滑动，每滑动一次对应位置相乘再求和，得到特征图上的一个值。这种常规的卷积操作大家都很熟悉了，就是用来进行特征
汐梦聆海·2022-02-19 15:08

如何理解空洞卷积（dilated convolution）？

论文：Multi-scalecontextaggregationwithdilatedconvolutions转自：https://www.zhihu.com/question/54149221作者：刘诗昆链接：https://www.zhihu.com/question/54149221/answer/323880412来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处
芮芮杰·2022-02-19 15:08

CNN 入门讲解：什么是卷积（Convolution）?

CNN入门讲解：什么是卷积（Convolution）?相加还是相减的原因说明：若模板有负的中心系数，必须将原图像减去经拉普拉斯变换后的图像，而不是加上它，从而得到锐化后的结果？
comeonow·2022-02-19 15:05

如何理解卷积(Convolution)？

1.如何理解卷积？笔记来源：【小动画】彻底理解卷积【超形象】卷的由来，小元老师1.1角度一（概率统计）概率中的卷积提供了一种得到随机变量之和的概率密度函数方式，卷积是一种运算，概率中用∗\ast∗来表示以两个随机变量为例两个相互独立的随机变量XXX和随机变量YYY的概率密度函数通过卷积得到随机变量之和X+YX+YX+Y的概率密度函数假设第一行为某人数学考试的可能得分、第二行为某人英语考试的可能得分
Uncertainty!!·2022-02-19 15:32

深入学习Keras中Sequential模型及方法

Keras实现了很多层，包括core核心层，Convolution卷积层、Pooling池化层等非常丰富有趣的网络结构。我们可以通过将层的列表传递给Sequential的构
CherryWWW·2022-02-14 08:21

详解pytorch实现猫狗识别98%附代码

二、实现效果三、神经网络从头到尾1.来源：仿照人为处理图片的流程，模拟人们的神经元处理信息的方式2.总览神经网络3.卷积层(Convolution)4.池化层（Subsmpling）5.全连接层（FullyConnected
余～意·2022-02-14 07:21

UserWarning: Update your `Conv2D` call to the Keras 2 API

Keras2.0相对Keras1.0的部分变化：Convolution*层被重新命名Conv*；border_mode->padding；nb_epoch->epochs；
Endlessnight7·2022-02-10 07:12

pytorch之卷积神经网络和leNet

5.1.1二维互相关运算虽然卷积层得名于卷积（convolution）运算，但我们通常在卷积层中使用更加直观
多彩海洋·2022-02-07 01:01

basic_convolution_mnist

importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets("MNIST_data/",one_hot=True)sess=tf.InteractiveSession()#w,b,可以复用，因此设为函数defweight_variable(sha
yanghedada·2022-02-06 23:05

空洞卷积

相比原来的正常convolution，dilatedconvolution多了一个hyper-paramete
zhuimengshaonian66·2022-02-06 07:50

空洞卷积(Dilated Convolution)简介

一、空洞卷积(DilatedConvolution)DilatedConvolution(空洞卷积/膨胀卷积)是在标准的convolutionmap里注入空洞，以此来扩大感受野。膨胀卷积与普通的卷积相比：除了卷积核的大小以外，还有一个扩张率(dilationrate)参数，主要用来表示膨胀的大小。在普通卷积中，可以认为它的dilatedrate=1。感受野（receptivefield）：CNN中
Polaris_T·2022-02-06 07:39

空洞卷积(dilated convolution)理解

相比原来的正常convolution，dilatedconvolution多了一个hyper-parameter称之为dilationrate指的是kernel的
qq_43119354·2022-02-06 07:08

【机器学习】详解 扩张/膨胀/空洞卷积 (Dilated / Atrous Convolution)

目录一、膨胀卷积的产生二、膨胀卷积的定义2.1感受野(ReceptiveFiled)2.2膨胀率/空洞率2.3例子三、膨胀卷积的的特点3.1优点3.2缺点3.3改进一、膨胀卷积的产生扩张/膨胀/空洞卷积(Dilated/AtrousConvolution)(以下统一简称膨胀卷积)最初旨在解决图像分割问题。早期多用卷积层+池化层堆叠来增加感受野(ReceptiveFiled)，但同时也缩小了特征图尺
花与人间事同·2022-02-06 07:38

空洞卷积（dilated convolution）出现的意义与作用

一.为什么使用空洞卷积DCNNshortforDeepConvolutionNeuralNetWork,常用的up-smapling和poolinglayer存在以下问题：1.up-sampling/poolinglayer是定性的而非可学习的。2.内部数据结构丢失，空间层级化信息丢失。3.小物体信息无法重建。(假设有四个poolinglayer则任何小于2^4=16pixel的物体信息将理论上无
qq_20979341·2022-02-06 07:03

全卷积网络《Fully convolution networks for semantic segmentation》

论文链接卷积网络能够自动的学习图像的不同特征，较浅层（感受野小）学习到图像的局部区域特征；较深层（感受野大）学习到图像的抽象特征（对大小/位置/方向等因素敏感性低，也因此具有一定的鲁棒性）。传统的基于CNN的图像分割，为了对一个像素进行分类，需要把该像素周围的一个图像块作为CNN的输入，用于网络的训练和预测，这样的开销很大：一是存储开销大，二是计算效率低（重复像素很多），三是图像块限制了感受野的大
huim·2022-02-04 22:33

Python人工智能深度学习CNN

整体架构如下：输入图片→卷积：得到特征图（激活图）→ReLU：去除负值→池化：缩小数据量同时保留最有效特征（以上步骤可多次进行）→输入全连接神经网络2.卷积层CNN-Convolution卷积核（或者
·2021-11-11 17:53

【编程艺术】剖析 darknet parse_network_cfg 接口

欢迎关注我的公众号[极智视界]，回复001获取Google编程规范 O_o >_options=make_list();//块里面的链表存储块内结构current->type=line;//块类型即为[net]、[convolution
·2021-11-03 15:28

深度学习到底有多少种卷积方式？（含配图）

1焦点如何通过卷积方式的选择改进已有网络架构关于convolution2传统网络为什么用小卷积替代大卷积？
ZRX_GIS·2021-10-26 16:09

sepconv（Separable Convolution）代码复现

importtorch.nnasnnclassSP_conv(nn.Module):def__init__(self,in_channels,out_channels,kernel=3,stride=1,dilation=1,bias=False):super(SP_conv,self).__init__()self.conv=nn.Conv2d(in_channels,in_channels,k
ZRX_GIS·2021-10-23 15:52
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他