E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
Convolution
Term 1 Welcome & Anaconda
·ConvolutionalNeuralNetwork【neutral:中立的、非颜色的;
convolution
:回旋、盘旋】卷积神经网络(CNN||ConvNet)atypeoffeedforwardartificialneuralnetwork
Evvoque
·
2017-02-12 10:09
最容易理解的对卷积(
convolution
)的解释
啰嗦开场白读本科期间，信号与系统里面经常讲到卷积(
convolution
)，自动控制原理里面也会经常有提到卷积。硕士期间又学了线性系统理论与数字信号处理，里面也是各种大把大把卷积的概念。
bitcarmanlee
·
2017-01-25 15:49
dl
tensorflow
卷积神经网络CNN（5）—— Dilated
Convolution
introduction参考：Multi-ScaleContextAggregationbyDilatedConvolutions在CNN中，
Convolution
与Pooling可谓最佳搭档，密不可分
Fate_fjh
·
2016-12-29 21:09
深度学习
图像处理中滤波（filtering）与卷积（
convolution
）的区别
图像处理中滤波和卷积是常用到的操作。很多人认为卷积就是滤波，两者并无区别，其实不然。两者在原理上相似，但是在实现的细节上存在一些区别。这篇博文主要叙述这两者之间的区别。1、滤波简单来说，滤波操作就是图像对应像素与掩膜（mask）的乘积之和。比如有一张图片和一个掩膜，如下图：那么像素(i,j)的滤波后结果可以根据以下公式计算：其中G(i,j)是图片中(i,j)位置像素经过滤波后的像素值。当掩膜中心m
haoji007
·
2016-12-28 18:39
VGG Convolutional Neural Networks Practical（1）
convolution
VGG卷积神经网络实践卷积神经网络是可应用于许多计算机视觉问题的可学习表示的重要类别。特别地，深CNN由多个处理层组成，每个处理层涉及线性和非线性算子，以端对端的方式联合地学习以解决特定任务。这些方法现在是用于从视听和文本数据中提取特征的主要方法。这个实践探讨了学习（深度）CNN的基础。第一部分介绍典型的CNN构造块，例如ReLU单元和线性滤波器，特别强调理解反向传播。第二部分研究学习两个基本的C
furuiyang_
·
2016-12-19 13:16
matlab
matconvnet
CNN
Faster-Rcnn中RPN（Region Proposal Network）的理解
在实际使用中，pool层后增加了一个调整层（
convolution
,见t
欧西特
·
2016-12-17 17:22
机器学习
2.视觉层（Vision Layers)及参数
本文只讲解视觉层（VisionLayers)的参数，视觉层包括
Convolution
,Pooling,LocalResponseNormalization(LRN),im2col等层。
Jfei
·
2016-11-27 18:56
#DeepLearningBook#算法概览之四：CNN特辑
一、什么是
Convolution
打比方说我们有一个小车在一块木板上运动。还有一个超声波传感器对这辆小车来测距，但是这个传感器带有误差。我们在某一个特定时间点t测得的结果不一定准确。
咸鱼酱
·
2016-11-21 15:33
AI读书笔记
caffe如何自定义网络以及自定义层（python）（一）
首先默认caffe已经安装好，我们长话短说，先定义一个最简单的网络conv.protxtname:"
convolution
"i
langb2014
·
2016-11-08 14:19
Machine
Learning
Deep
Learning
caffe
CNN在中文文本分类的应用
论文
Convolution
zbc1090549839
·
2016-11-06 17:00
NLP
cnn
深度学习
百度笔试--计算机视觉算法工程师
2.
Convolution
、pooling、Normalization是卷积神经网络中十分重要的三个步骤，分别简述
Convolution
、pooling和Normalization在卷积神经网络中的作用
herhero
·
2016-10-22 20:40
求职
笔试
卷积神经网络与caffe
Convolution
层及参数设置
卷积神经网络(ConvolutionalNeuralNetwork,CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功，在国际标准的ImageNet数据集上，许多成功的模型都是基于CNN的。CNN相较于传统的图像处理算法的优点之一在于，避免了对图像复杂的前期预处理过程（提取人工特征等），可以直接输入原始图像。图像处理中，往往会将图像看成是一个或多个的二维向量，如MNIS
Coooooooooooooder
·
2016-10-22 09:14
cnn
caffe
TensorFlow学习笔记（3）----CNN识别MNIST手写数字
CNN包含的主要操作：
convolution
和pooling在TF中都有对应的函数，直接构建网络即可。CNN的具体介绍很多，这里不再赘述。
海上的独木舟
·
2016-09-01 20:21
TensorFlow
TensorFlow学习笔记（3）----CNN识别MNIST手写数字
CNN包含的主要操作：
convolution
和pooling在TF中都有对应的函数，直接构建网络即可。CNN的具体介绍很多，这里不再赘述。
PhDat101
·
2016-09-01 20:00
python
tensorflow
图像处理中滤波（filtering）与卷积（
convolution
）的区别
图像处理中滤波和卷积是常用到的操作。很多人认为卷积就是滤波，两者并无区别，其实不然。两者在原理上相似，但是在实现的细节上存在一些区别。这篇博文主要叙述这两者之间的区别。1、滤波（或者叫相关）简单来说，滤波操作就是图像对应像素与掩膜（mask）的乘积之和。比如有一张图片和一个掩膜，如下图：那么像素(i,j)的滤波后结果可以根据以下公式计算：其中G(i,j)是图片中(i,j)位置像素经过滤波后的像素值
VickyD1023
·
2016-08-30 23:47
图像处理
深度学习caffe平台--train_val.prototxt文件中视觉层（Vision Layers)层及参数详解
所有的层都具有的参数，如name,type,bottom,top和transform_param请参看前一篇文章本文只讲解视觉层（VisionLayers)的参数，视觉层包括
Convolution
,Pooling
liuweizj12
·
2016-08-08 16:00
使用CNN模型来测试Kaggle入门比赛
LayerTypeChannelsSizeResultChannelsInput120x20
Convolution
323x320x20x32
CY_TEC
·
2016-08-06 10:55
机器学习
使用CNN模型来测试Kaggle入门比赛
LayerTypeChannelsSizeResultChannelsInput120x20
Convolution
323x320x20x32
CY_TEC
·
2016-08-06 10:00
CV/ML/DL关键词汇中英文对照
前向输送Feedforward反向传播Backpropagation部分联通网络LocallyConnectedNetworks连接区域ContiguousGroups视觉皮层VisualCortex卷积
Convolution
lanxueCC
·
2016-07-20 08:00
dl
ml
cv
（Paper）Network in Network网络分析
mounty_fsc/article/details/51746111《NetworkinNetwork》论文笔记1.综述这篇文章有两个很重要的观点：1×1卷积的使用文中提出使用mlpconv网络层替代传统的
convolution
沤江一流
·
2016-06-23 20:27
Paper
caffe各层介绍
1.VisionLayers1.1卷积层(
Convolution
)类型：
CONVOLUTION
例子layers{name
ZhikangFu
·
2016-06-21 17:52
caffe
caffe各层介绍
1.VisionLayers1.1卷积层(
Convolution
)类型：
CONVOLUTION
例子layers{name
ZhikangFu
·
2016-06-21 17:00
Convolution
Neural Network (CNN) 原理与实现
分为以下几部分：1.
Convolution
（卷积）2.Pooling（降采样过程）3.
dulingtingzi
·
2016-06-05 22:44
CNN深度神经网络
梳理caffe代码base_conv_layer（十八）
base_conv_layer.hpp#ifndefCAFFE_BASE_
CONVOLUTION
_LAYER_HPP_ #defineCAFFE_BASE_
CONVOLUTION
_LAYER_HPP_
langb2014
·
2016-06-01 19:00
UFLDL 11 卷积与池化
convolution
pooling
卷积特征
convolution
之前我们都是用很小的图片来做示范，比如8x8，但是很多图片是很大的，比如是100x100，假设我们需要在隐含层提取100个特征，那么一共需要的参数有100x100x100=
bea_tree
·
2016-05-11 20:00
going deeper with convolutions （Googlenet网络解读）
http://www.gageet.com/2014/09203.php这个网址已都经把文章翻译好了，这里主要是说两点：1.Googlenet借鉴了networkinnetwork里的多层感知器结构，也就是
convolution
l494926429
·
2016-05-10 20:00
网络
kernel
caffe
深度学习之二：CNN推导
前面看过了CNN的基本结构，经典的模式如下图： 上图经典的CNN模型主要可以概括为三个部分：
convolution
层：
convolution
是将原来的输入向量映射成多个featuremap，每个featuremap
u010223750
·
2016-05-06 20:00
cnn
深度学习
Caffe学习系列(3)：视觉层（Vision Layers)及参数
所有的层都具有的参数，如name,type,bottom,top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数本文只讲解视觉层（VisionLayers)的参数，视觉层包括
Convolution
lien0906
·
2016-04-26 11:00
李菲菲课程笔记：Deep Learning for Computer Vision – Introduction to
Convolution
Neural Networks
转载自：http://www.analyticsvidhya.com/blog/2016/04/deep-learning-computer-vision-introduction-
convolution
-neural-networks
beihangzxm123
·
2016-04-21 11:39
神经网络
CNN
[置顶] 李菲菲课程笔记：Deep Learning for Computer Vision – Introduction to
Convolution
Neural Networks
转载自：http://www.analyticsvidhya.com/blog/2016/04/deep-learning-computer-vision-introduction-
convolution
-neural-networks
qq_26898461
·
2016-04-21 11:00
caffe layer parameters set ——caffe 层的配置
之后再实践过程中补充每个层的作用1.VisionLayers1.1卷积层(
Convolution
)类型：
CONVOLUTION
例子layers{ name:"conv1" type:
CONVOLUTION
u010025211
·
2016-04-19 16:00
ca
f
f
layer
deep
learning
E
TensorFlow人工智能引擎入门教程之三 实现一个自创的CNN卷积神经网络
biases, _dropout): # Reshape input picture _X = tf.reshape(_X, shape=[-1, 28, 28, 1]) #
Convolution
zhuyuping
·
2016-04-17 16:00
cnn
tensorflow
自定义实现
【UFLDL-exercise9-
Convolution
and Pooling】
做完了CNN的练习，思想是：在面对比较大的图像时（64*64），如果直接列向量化，维数太高，sparseautoencoder的计算过繁；因此采用的策略是：先从训练集中随机地下采样众多（8*8）的patch，然后学习8*8图像的W矩阵（隐层有400个单元，学习到的矩阵W是400*64的，但是这里视作有400个w矩阵，也就是每个隐层的unit对应一个8*8的矩阵，这样子做是为了便于后面的卷积计算），
qiusuoxiaozi
·
2016-04-13 20:00
cnn
opencv图像处理之图像卷积
WIKI https://en.wikipedia.org/wiki/
Convolution
公式如果忘了话可以看看这个http://open.163.com/movie/2006/1/C/M/M6TUO44DQ_M6TUPUBCM.html
traumland
·
2016-04-05 14:00
图像处理
卷积
opencv2
深度学习之deeplearning4j(三)
packageorg.deeplearning4j.examples.
convolution
; importorg.nd4j.linalg.api.ndarray.INDArray; importorg.nd4j.linal
sihuahaisifeihua
·
2016-04-02 12:00
神经网络
深度学习
深度学习之deeplearning4j(二)
我的电脑配置如下：packageorg.deeplearning4j.examples.
convolution
; importopenn
sihuahaisifeihua
·
2016-04-01 12:00
深度学习
caffe之（一）卷积层
损失计算层等；本篇主要介绍卷积层参考1.卷积层总述下面首先给出卷积层的结构设置的一个小例子（定义在.prototxt文件中） layer{ name:"conv1"//该层的名字 type:"
Convolution
tina_ttl
·
2016-04-01 10:00
2D image
convolution
（二维图像卷积）
在学习cnn的过程中，对
convolution
的概念真的很是模糊，本来在学习图像处理的过程中，已对
convolution
有所了解，它与correlation是有不同的，因为
convolution
=correlation
tina_ttl
·
2016-04-01 10:40
图像处理_image
processing
2D image
convolution
在学习cnn的过程中，对
convolution
的概念真的很是模糊，本来在学习图像处理的过程中，已对
convolution
有所了解，它与correlation是有不同的，因为
convolution
=correlation
tina_ttl
·
2016-04-01 10:00
theano中对图像进行
convolution
运算
(1)定义计算过程中需要的symbolicexpression1""" 2定义相关的symbolicexperssion 3""" 4#convolutionlayer的输入，根据theano，它应该是一个4dtensor 5input=T.tensor4(name='input') 6#共享权值W，它的shape为2,3,9,9 7w_shp=(2,3,9,9);w_bound=nu
tina_ttl
·
2016-04-01 10:00
我对卷积的理解
转载自：http://mengqi92.github.io/2015/10/06/
convolution
/在学习机器学习和图像处理的过程中，经常会遇到卷积这个概念。
beihangzxm123
·
2016-03-30 10:55
CNN
theano之
convolution
operation
本篇主要介绍theano中，2D卷积操作（theano.tensor.nnet.conv2d）的实现方法，这对理解CNN帮助很大假设第1个convoluitonlayer含有2个featuremaps(记为M11,M12)第2个convoluitonlayer含有4个featuremaps(记为M21,M22,M23,M24)图像示意：那么layer-m到layer-m+1则有4个kernel（假
tina_ttl
·
2016-03-28 01:00
conv
theano
梳理caffe代码layer(五)
由于Caffe强调模块化设计，因此只允许每个layer完成一类特定的计算，例如
convolution
操作、pooling、非线性变换、内积运算，以及数据加载、归一化和损失计算等。
langb2014
·
2016-03-27 12:44
caffe
梳理caffe代码layer(五)
由于Caffe强调模块化设计，因此只允许每个layer完成一类特定的计算，例如
convolution
操作、pooling、非线性变换、内积运算，以及数据加载、归一化和损失计算等。
langb2014
·
2016-03-27 12:00
深度学习之二：CNN推导
前面看过了CNN的基本结构，经典的模式如下图： 上图经典的CNN模型主要可以概括为三个部分：
convolution
层：
convolution
是将原来的输入向量映射成多个featuremap，每个featuremap
u010223750
·
2016-03-23 07:22
cnn
深度学习
DL:CNN-ImageNet Classification with Deep
Convolution
Neural Networks
Paper：2012 ImageNet Classification with Deep
Convolution
Neural Networks疑问： 关于本文还有疑问，各位看客如果知道的话，望给解答（
oMengLiShuiXiang1234
·
2016-03-16 11:00
机器学习
2012
cnn
cnn
ImageNet
Large-scale Video Classification with
Convolution
Neural Networks
Large-scaleVideoClassificationwithConvolutionNeuralNetworks摘要：卷积神经网络（CNNs）在图像识别问题中已经被当做一个有力的模型被建立起来。受这些成果的影响，我们在大规模的视频分类数据集上准备了大量的对于CNNs经验的评价，我们用了一个新的数据集，它包括一百万个YouTube视频，属于487个不同的类别。为了扩展CNN的在时间域的连通性，
lk798362252
·
2016-03-07 21:00
video
分类
classification
cnn
深度学习
Caffe中配置每一个层的结构
1.VisionLayers1.1卷积层(
Convolution
)类型：
CONVOLUTION
例子layers{ name:"conv1" type:
CONVOLUTION
bottom:"data"
Losteng
·
2016-03-07 20:00
[Caffe]源码解析之Layer
由于Caffe强调模块化设计，因此只允许每个layer完成一类特定的计算，例如
convolution
操作、pooling、非线性变换、
apsvvfb
·
2016-03-04 14:00
2D image
convolution
在学习cnn的过程中，对
convolution
的概念真的很是模糊，本来在学习图像处理的过程中，已对
convolution
有所了解，它与correlation是有不同的，因为
convolution
=correlation
纸鸢spring
·
2016-02-14 03:00
上一页
23
24
25
26
27
28
29
30
下一页
按字母分类：
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他