Convolution

卷积神经网络-Python、TensorFlow和Keras p.3的深度学习基础

CNN的基本结构如下：Convolution->Pooling->Convolution->Pooling->FullyConnectedLayer->Ou
派森师兄·2023-11-09 17:52

关于卷积神经网络中如何计算卷积核大小（kernels）

首先需要说明的一点是，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的计算方式，叫做互相关（cross-correlation）运算。
GarsonW·2023-11-08 16:29

YOLOv8-Seg改进：动态蛇形卷积（Dynamic Snake Convolution） | ICCV2023

本文改进：动态蛇形卷积（DynamicSnakeConvolution）,增强微小特征提取能力，引入到YOLOv8-Seg，与C2f结合实现二次创新DynamicSnakeConvolution亲测在番薯破损分割任务中，[email protected]从原始的0.625提升至0.645YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻
会AI的学姐·2023-11-07 22:30

NNDL 作业6 卷积

一、概念（一）卷积（1）什么叫卷积卷积、旋积或褶积(英语：Convolution)是通过两个函数f和g生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，描述一个函数和另一个函数在某个维度上的加权
今天也是元气满满的一天呢·2023-11-06 07:55

YOLOv8改进：卷积变体系列篇 | 动态蛇形卷积（Dynamic Snake Convolution） | ICCV2023

本文改进：动态蛇形卷积（DynamicSnakeConvolution）,增强微小特征提取能力，引入到YOLOv8，与C2f结合实现二次创新DynamicSnakeConvolution亲测在多个数据集能够实现涨点，同样适用于小目标检测YOLOv8改进专栏：http://t.csdnimg.cn/hGhVK学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1.DynamicSnakeCon
会AI的学姐·2023-11-06 03:28

第四课第一周编程作业assignment1-Convolution+model+-+Application

ConvolutionalNeuralNetworks:ApplicationWelcometoCourse4'ssecondassignment!Inthisnotebook,youwill:ImplementhelperfunctionsthatyouwillusewhenimplementingaTensorFlowmodelImplementafullyfunctioningConvNet
yanghedada·2023-11-03 23:24

Octave Convolution学习笔记 （附代码）

论文地址：https://export.arxiv.org/pdf/1904.05049代码地址：https://gitcode.com/mirrors/lxtgh/octaveconv_pytorch/overview?utm_source=csdn_github_accelerator1.是什么？OctaveNet网络属于paper《DropanOctave:ReducingSpatialRe
无妄无望·2023-11-01 10:22

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
reallocing·2023-10-31 01:17

caffe Layers及参数

1、Convolution层：层类型：Convolution参数：lr_mult:学习率系数，最终的学习率=lr_mult*base_lr,如果存在两个则第二个为偏置项的学习率，偏置项学习率为权值学习率的
小明大白·2023-10-30 19:32

基于 ResNet18 架构使用 deformable convolution的车道线检测

下面是一个基于关键点的车道线检测网络的PyTorch代码示例，其中使用了deformableconvolution。该代码示例基于ResNet18架构，可以根据实际情况进行修改。首先，需要导入必要的库和模块：importtorchimporttorch.nnasnnimporttorch.nn.functionalasFfromtorch.nn.modules.utilsimport_pairfr
ywfwyht·2023-10-29 23:39

depthwise convolution/深度可分离卷积

在有关于前面的全卷积全连接网络的查询中，需要对计算量参数量进行了解，由此引申到深度可分离卷积对参数量的巨幅消减。在本文中对此进行总结。综述：DepthwiseSeparableConvolution主要思想是对传统卷积做了一个分解：将传统卷积分成depthwise和pointwise两步来完成。其中depthwise就是对输入特征的每一层的featuremap仅仅单独使用一个filter，然后对得
NCU_wander·2023-10-27 23:59

卷积神经网络基础note

如果去查卷积的概念，可能会出现这样的定义：卷积（convolution）是通过两个函数f，g生成第三个函数的一种数学算子，表征函数f与g经过翻转和平移的重叠部分的面积。
AI_er·2023-10-27 08:18

Rethinking Atrous Convolution for Semantic Image Segmentation

此paper提出的结构又称DeepLabv3，为了解决图像分割中捕捉多尺度上下文信息的问题，主要是对之前的DeepLabv2结构的改进。有两个地方的创新：一个是ASPP的改进，另一个就是“串联”结构。与前几个版本的区别还在于丢掉了DenseCRF，增加了BatchNormalization。首先是“串联”结构：cascadedmodule“串联”结构主要是在原来的ResNet基础上复制最后一个bl
星艺wxx·2023-10-26 00:43

CUTLASS: Implicit GEMM Convolution

以下内容翻译自：CUTLASS中的ImplicitGEMMConvolutionCUTLASSConvolutionImplicitGEMM是将卷积操作表述为GEMM(广义矩阵-矩阵积)。卷积接受激活张量并对其应用滑动滤波器以产生输出张量。Introduction此版本的CUTLASS包含几个与卷积相关的工件。ImplicitGEMMAlgorithmCUTLASSConvolutionImple
图波列夫·2023-10-25 09:28

CVPR 2021 | Involution：超越 Convolution 和 Self-attention 的神经网络新算子

本文是对我们CVPR2021被接收的文章Involution:InvertingtheInherenceofConvolutionforVisualRecognition的解读，同时也分享一些我们对网络结构设计（CNN和Transformer）的理解。这篇工作主要是我和SENet的作者胡杰一起完成的，也非常感谢HKUST的两位导师陈启峰和张潼老师的讨论。作者：青源研究组成员李铎论文地址：arxiv
智源社区·2023-10-24 17:16

阅读文献1：Bootstrapping ViTs: Towards Liberating Vision Transformers from Pre-training（文章翻译及自身的理解和总结）

这里也没有什么好解释哒，我也直接翻译过来：四、RelatedWork（1）VisionTransformers（2）KnowledgeDistillation五、Method1.Preliminaries1.1Convolution1.2MHSA2
G氏yousa·2023-10-24 11:52

改进YOLO系列 | YOLOv5/v7 引入 Dynamic Snake Convolution | 动态蛇形卷积

准确分割拓扑管状结构，如血管和道路，在各个领域中至关重要，可以确保下游任务的准确性和效率。然而，许多因素使任务复杂化，包括细小的局部结构和可变的全局形态。在这项工作中，我们注意到管状结构的特殊性，并利用这一知识来引导我们的DSCNet，以在三个阶段同时增强感知：特征提取、特征融合和损失约束。首先，我们提出了一种动态蛇卷积，通过自适应地关注细长且弯曲的局部结构，以精确捕捉管状结构的特征。随后，我们提
迪菲赫尔曼·2023-10-23 06:02

时间序列预测 DDSTGCN: Dual Dynamic Spatial-Temporal Graph Convolution Network for Traffic Prediction...

DDSTGCNDualDynamicSpatial-TemporalGraphConvolutionNetworkforTrafficPrediction1.概述2.模型结构3.DualSpatial-TemporalBlock【DST-Block】——双重时空块捕获交通流图的节点和边的时空特征3.1dualtransformations对偶变化——实现交通流图与其超图之间的互相变换3.2DIM模
苹果就叫不呐呐·2023-10-23 03:01

探索未来的视觉革命：卷积神经网络的崭新时代（二）

文章目录引言GoogleNet的架构1×1convolution如何有效避免梯度消失？总结本节在
小馒头学python·2023-10-22 15:08

【综述】神经网络中不同类型的卷积层

1.Convolution下图是一个单通道卷积操作的示意图：image在深度学习中，卷积的目的是从输入中提
pprpp·2023-10-20 10:25

PyTorch 深度学习之卷积神经网络(高级篇)Advanced CNN(十)

0.Revision前面讲的比较简单的是串行网络结构1.GoogLeNet1.1Inceptionmodulewh要一致whatis1×1convolution?
河图洛水·2023-10-16 00:39

self attention机制

主要思想：CNN中的convolution单元每次只关注邻域kernelsize的区域，就算后期感受野越来越大，终究还是局部区域的运算，这样就忽略了全局其他片区（比如很远的像素）对当前区域的贡献。
菜田的守望者w·2023-10-14 03:29

Partial convolution && Gated convolution

组会讨论帖1.图像修复图像修复（inpainting），顾名思义，就是将图像中损坏的部分修复起来，是一种图像编辑技术，可以应用在移除物体、修复老照片、图像补全（eg,地震插值）等等。2.Partialconvolution论文链接：ImageInpaintingforIrregularHolesUsingPartialConvolutions(2018ECCV)在这之前的深度学习图像补全方法都是使
uodgnez·2023-10-13 13:16

阅读《QAnet》QANET: COMBINING LOCAL CONVOLUTION WITH GLOBAL SELF-ATTENTION FOR READING COMPREHENSION Ad

当前端对端的QA模型主要构建在循环神经网络上并结合attention。虽然成功，但是训练速度慢。因此，提出的QANet模型，无需循环网络，其encoder=卷积+self-attention，提升了训练速度(3x->13x)和推理速度(4x->9x)。进而，可以训练更多数据。结合了翻译模型的反向翻译生成的数据，做数据增强，得到F1:84.6（原本：81.8）.数据：SQuAD数据集学术会议：ICL
qq_48566899·2023-10-11 22:59

可分离卷积(Separable Convolution)等价转换为传统卷积(Ordinary convolution)的方法,(等价转换，即最终处理效果一致)...

写在前面：可分离卷积提出的原因  卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数，应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件，显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的SeparableConvolution就是降低卷积运算参数量的一种典型方法。  SeparableConvolutio
ZhemgLee·2023-10-10 23:45

YOLOv8血细胞检测（2）：动态蛇形卷积（Dynamic Snake Convolution），增强细长微弱特征 | ICCV2023

本文独家改进：动态蛇形卷积（DynamicSnakeConvolution），增强细长微弱的局部结构特征与复杂多变的全局形态特征DynamicSnakeConvolution|亲测在血细胞检测项目中涨点，[email protected]从原始0.895提升至0.908收录专栏：YOLO医学影像检测：http://t.csdnimg.cn/N4zBP✨✨✨实战医学影像检测项目，通过创新点验证涨点可行性；✨✨✨入门医学
AI小怪兽·2023-10-09 09:49

我用的caffenet模型参数设置

/该层的类型top:“data”//该层的输出input_param{shape:{dim:10dim:3dim:227dim:227}}}layer{name:“conv1”//卷积层1type:“Convolution
小赵同学，·2023-10-05 13:34

阅读笔记-CvT： Introducing Convolutions to Vision Transformers

代码：https://github.com/rishikksh20/convolution-vision-transformers/image.png这篇文章的目的是在ViT框架中融入CNN的特性，从而引入局部特征
熙熙江湖·2023-10-01 13:06

1x1 Convolution

参考视频1、参考视频2如果我们有一个HxWxC维度的Tensor，在设计Kernel的时候，往往使用3x3或者5x5这样的值，这样常规的卷积核非常好理解，在进行卷积的时候，其实是进行的WxHxC的三维卷积。如果我们的卷积核大小为1x1呢？其实理解方式和任何WxH的卷积核是一样的，只是在W和H这两个维度，它完全不计入其他像素，而只考虑当前像素，所以进行的时1x1xC的三维卷积。也就是只考虑C这个维度
学而时习之_不亦说乎·2023-09-30 07:26

Dynamic Convolution：在卷积核上的注意力

★★★本文源自AlStudio社区精品项目，【点击此处】查看更多精品内容>>>DynamicConvolution：在卷积核上的注意力摘要轻量级卷积神经网络（CNNs）由于其较低的计算预算限制了CNNs的深度（卷积层数）和宽度（通道数），导致其表示能力有限，从而导致性能下降。为了解决这个问题，我们提出了动态卷积，一种在不增加网络深度或宽度的情况下增加模型复杂性的新设计。动态卷积不是每层使用一个卷积
AI Studio·2023-09-28 15:04

Yolov8小目标检测（19）：动态蛇形卷积（Dynamic Snake Convolution），增强细长微弱特征 | ICCV2023

本文独家改进：动态蛇形卷积（DynamicSnakeConvolution），增强细长微弱的局部结构特征与复杂多变的全局形态特征DynamicSnakeConvolution|亲测在红外弱小目标检测涨点，[email protected]从0.755提升至0.77Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，带你轻松实现小目标
AI小怪兽·2023-09-28 15:34

Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

即DeepLabv3+，主要是在DeepLabv3的基础上进行了一些创新，加入了一个Decoder模块来对分割结果尤其是边界进行细化，而且尝试引入Xception来作为encoder模块中的base网络。主要贡献：1、提出一个encoder-decoder的结构，使用deeplabv3作为encoder，decoder结构是一个新的模块。2、可以通过atrousconvolution任意控制提取的
星艺wxx·2023-09-26 19:37

DUC（dense upsampling convolution）模块的实现（Pytorch）

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文章目录前言一、DUC模块二、Pytorch实现DUC模块前言在UnderstandingConvolutionforSemanticSegmentation这篇论文中提出了DUC模块，DUC的全称是denseupsamplingconvolution，即密集上采样卷积。提出的背景是：在decoder阶段，一般采用双线性插值和转置卷积
饭饭饭饭饭炒蛋·2023-09-26 08:13

【论文精读】ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

HierarchicalText-ConditionalImageGenerationwithCLIPLatents前言Abstract1.Introduction2.Background2.1.TaxonomyofVision-and-LanguageModels2.2.ModalityInteractionSchema2.3.VisualEmbeddingSchemaRegionFeature
HERODING77·2023-09-23 20:07

【第41篇】ConvMAE：Masked Convolution 遇到 Masked Autoencoders

文章目录摘要1简介2方法2.1MAE的简要回顾2.2ConvMAE2.3ConvMAE用于目标检测和语义分割2.4ConvMAE用于视频理解3实验3.1ImageNet-1K预训练和微调3.2物体检测3.3语义分割3.4视频理解3.5ConvMAE的消融研究4相关工作5结论摘要论文地址：https://arxiv.org/pdf/2205.03892视觉转换器(ViT)已成为各种视觉任务广泛采用的
静静AI学堂·2023-09-22 05:24

Conformer ASR详解

Conformer:Convolution-augmentedTransformerforSpeechRecognition论文地址：https://arxiv.org/abs/2005.08100Conformer
glow-worm·2023-09-21 06:24

Deformable Convolution 可变形卷积

论文：https://openaccess.thecvf.com/content_ICCV_2017/papers/Dai_Deformable_Convolutional_Networks_ICCV_2017_paper.pdf代码：https://github.com/4uiiurz1/pytorch-deform-conv-v2/blob/master/deform_conv_v2.py参考
Scabbards_·2023-09-21 00:45

基于Yolov8的野外烟雾检测（3）：动态蛇形卷积（Dynamic Snake Convolution），实现暴力涨点 | ICCV2023

目录1.Yolov8介绍2.野外火灾烟雾数据集介绍3.DynamicSnakeConvolution3.1DynamicSnakeConvolution加入到yolov84.训练结果分析5.系列篇1.Yolov8介绍UltralyticsYOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本。YOLOv8是一种尖端的、最先进的（SOTA）模型，它建立在先前YOLO成
AI小怪兽·2023-09-20 00:23

图卷积神经网络(GCN)入门

卷积核的数学性质：平移不变性非欧数据之图：最大挑战——没有关于卷积的直观定义本文主要解决：①如何定义图上的convolution②如何定义图上的pooling如何定义图上的卷积
CSU迦叶·2023-09-19 17:52

Group Convolution

令m=nn.Conv2d(32,64,3,groups=4)，则weight的shape为[64,8,3,3]，bias的shape为[64]，可以理解为，输入的通道被划分成了4组，因此每组有8个通道。输出的通道数为64，即64个kernel，每个kernel的weight的shape为[8,3,3]，这些kernel被划分成了4组，对应输入的4组。
漫彻思特·2023-09-18 22:21

【计算机视觉】Image Feature Extractors方法介绍合集（一）

文章目录一、Convolution二、1x1Convolution三、DepthwiseConvolution四、PointwiseConvolution五、DepthwiseSeparableConvolution
旅途中的宽~·2023-09-17 08:02

【计算机视觉 | 图像模型】常见的计算机视觉 image model（CNNs & Transformers） 的介绍合集（七）

文章目录一、CSPResNeXt二、ProxylessNet-Mobile三、ProxylessNet-CPU四、RandWire五、MCKERNEL六、Assemble-ResNet七、Convolution-enhancedimageTransformer
旅途中的宽~·2023-09-15 10:44

pytorch代码实现之Partial Convolution (PConv卷积)

PartialConvolution(PConv卷积)PartialConvolution(PConv卷积)，有助于提升模型对小目标检测的性能。目前许多研究都集中在减少浮点运算（FLOPs）的数量上。然而FLOPs的这种减少不一定会带来延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。为了实现更快的网络，作者重新回顾了FLOPs的运算符，并证明了如此低的FLOPS主要是由于运算
我悟了-·2023-09-12 10:50

cs231n assignment2(2)

这一部分主要是实现卷积神经网络中的一些所需用到的layer类型：卷积层(convolution)和池化层(这里是实现max-pooling)。
没天赋的学琴·2023-09-09 23:15

卷积概念理解

卷积(convolution)最容易理解的解释_一点一点的进步的博客-CSDN博客图像处理之卷积模式及C++实现_利用卷积模型分类图片c++_扫地工的博客-CSDN博客卷积的重要的物理意义是：一个函数（
一个机械高工的码农人生·2023-09-09 14:52

干货| ICCV 2023 动态蛇形卷积（Dynamic Snake Convolution）用于管状结构分割

点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！以下内容来源于知乎@武林传闻柒柒题目：DynamicSnakeConvolutionbasedonTopologicalGeometricConstraintsforTubularStructureSegmentation论文：https://arxiv.org/abs/2307.08388代码：GitHub-YaoleiQi/DSCNet（
AITIME论道·2023-09-09 13:58

文本分类总结

结构：input→embedding→convolution→pooling→concated→softmax→output缺点：CNN的窗口大小不好
许志辉Albert·2023-09-09 02:02

YOLOV7改进-对小目标有提点的Omni-Dimensional Dynamic Convolution

ODConv比普通卷积时间长，对小目标也有作用1、models下建立文件，复制进来2、yolo.py文件下导入模块，下面添加解析函数3、改下面的1->2，不改会报错4、修改配置文件，改网络模型，conv->ODConv2d5、odconv.py改参数位置6、推理时如果为1会报错，改为2，yolo.py
毕竟是shy哥·2023-09-08 17:01

学习pytorch9 神经网络-卷积层

神经网络-卷积层官网卷积数据公式参数说明卷积运算演示输入输出channel代码**注意点：**code执行结果官网https://pytorch.org/docs/stable/nn.html#convolution-layers
陌上阳光·2023-09-06 20:40

Typical Convolution Problem(分治NTT/全在线卷积)

题目给定长为n(n#include#include#include#include#include#includeusingnamespacestd;#definelllonglong#defineullunsignedllconstintN=1(x)*r.x%P;}Zoperator+=(constZ&r){returnx=x+r.x(x)*r.x%P,*this;}friendZPow(Z,i
Code92007·2023-09-05 06:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他