Convolutional 第22页

【目标检测】FCOS: Fully Convolutional One-Stage Object Detection

文章目录一、背景二、方法2.1全卷积单阶段目标检测器2.2Multi-levelPredictionwithFPNforFCOS2.3Center-nessforFCOS三、效果论文：FCOS:FullyConvolutionalOne-StageObjectDetection代码：https://github.com/aim-uofa/AdelaiDet/tree/master/configs/

呆呆的猫·2022-08-02 07:56

【图像分类—AlexNet】ImageNet Classification with Deep Convolutional Neural Networks

一、论文翻译论文：ImageNetClassificationwithDeepConvolutionalNeuralNetworks在ImageNetLSVRC-20102012表现突出，top-1误差率37.5%，以及top-5误差率17.0%；网络有6000万个参数和650,000个神经元；网络结构五个卷积层，以及某些卷积层后的池化层，以及最后的三个全连接层；引入正则化方法dropout；引入

gkm0120·2022-07-29 07:22

【模型调参】【论文阅读】Bag of Tricks for Image Classification with Convolutional Neural Networks

本文根据论文BagofTricksforImageClassificationwithConvolutionalNeuralNetworks，总结了几种可以提高模型准确率的小技巧。一般而言，上述的小技巧可以分为在训练过程中或对模型结构的更改（ModelTweaks），仅少量涉及计算量的优化。本文直接以结论的形式呈现这些技巧。这里写目录标题一些规范可变的learningrate1模型训练中的小技巧1

学渣渣渣渣渣·2022-07-29 07:18

【CAES】卷积神经网络自编码器反卷积神经网络 Convolutional Auto-Encoders

卷积神经网络自编码器实现与结果分析（1）实现框架：Keras（2）数据集：Mnist手写数字识别（3）关键代码：环境配置使用conda，新建一个keras和tensorflow的环境在wincmd终端中建立一个新的环境新建用pip安装三个包C:\Users\TJ619\Downloads\autoencoder-master>condacreate-nkeras_onlypython=3.9(ba

紫钺-高山仰止·2022-07-29 07:09

【机器学习算法】神经网络与深度学习-8 1.1.1 CNN卷积神经网络（Convolutional neural Networks ）详解

目录卷积神经网络（convolutionalneuralNetworksCNN）为什么需要卷积神经网络：卷积神经网络CNN的前半部分的目的：卷积层convolution，取得区域特征，和区域信息池化层：Maxpooling，进行取样，缩小图片。卷积层神经网络池化层神经网络总结：我的主页：晴天qt01的博客_CSDN博客-数据分析师领域博主目前进度：第四部分【机器学习算法】卷积神经网络（convol

晴天qt01·2022-07-29 07:51

目标检测经典论文——R-FCN论文翻译（中英文对照版）：Object Detection via Region-based Fully Convolutional Networks

目标检测经典论文翻译汇总：[翻译汇总]翻译pdf文件下载：[下载地址]此版为纯中文版，中英文对照版请稳步：[R-FCN纯中文版]R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworks基于Region的全卷积神经网络进行目标检测JifengDaiMicrosoftResearchYiLi*TsinghuaUniversityKai

bigcindy·2022-07-25 17:14

【Detection】R-FCN: Object Detection via Region-based Fully Convolutional Networks论文分析

【Detection】R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworks论文分析目录0.Paperlink1.Overview2.position-sensitivescoremaps2.1Background2.2position-sensitivescoremaps3.Architecture3.1backbone3.2

急流勇进·2022-07-25 17:14

SS-Paper【1】：Fully Convolutional Networks for Semantic Segmentation

文章目录前言1.Abstract&Introduction1.1.Abstract（译）1.2.Introduction（译）2.RelatedWork（译）2.1.Fullyconvolutionalnetworks2.2.Densepredictionwithconvnets2.3.Combiningfeaturehierarchies2.4.FCNextensions3.FullyConvo

zzzyzh·2022-07-25 17:41

【GCN】《Adaptive Propagation Graph Convolutional Network》（TNNLS 2020）

《AdaptivePropagationGraphConvolutionalNetwork》（TNNLS2020）为每个节点赋予一个停止单元，该单元输出一个值控制Propagation是否应该继续进行下一跳。聚合时停止单元的输出值就是聚合每跳的权重。可以理解成为每个节点找到自己的感受野。首先节点的特征先经过一个MLP变成embedding，这就是Propagation的起点，然后开始递归的Prop

chad_lee·2022-07-21 07:41

第二周学习：卷积神经网络

目录基本组成结构一、卷积Convolutional1传统的神经网络VS卷积神经网络2概念3卷积层的计算卷积核如何工作？

苍茆之昴·2022-07-21 07:33

【论文笔记_计算机视觉_2022】Online Convolutional Re-parameterization

摘要在各种计算机视觉任务中，结构重参数化已引起越来越多的关注。它的目的是在不引入任何推理时间成本的情况下提高深度模型的性能。虽然在推理过程中很有效，但这种模型在很大程度上依赖于复杂的训练时间块来实现高精确度，从而导致了大量的额外训练成本。在本文中，我们提出了在线卷积重参数化（OREPA），这是一个两阶段的管道，旨在通过将复杂的训练时间块挤压到一个单一的卷积中来减少巨大的训练开销。为了实现这一目标，

乱搭巴士·2022-07-19 07:39

【注意力机制】CBAM: Convolutional Block Attention Module

不断进步的咸鱼·2022-07-19 07:07

读论文《Learning to Measure Changes: Fully Convolutional Siamese Metric Networks for Scene Change Detec》

LearningtoMeasureChanges:FullyConvolutionalSiameseMetricNetworksforSceneChangeDetection学习量测变化：用于场景变化检测的全卷积孪生度量网络摘要场景变化检测的一个关键挑战是：由不同光照、阴影和相机视角形成的噪声变化与语义变化纠缠，使得场景的方差难以定义和量测。按照“直接比较一对特征的差异来检测变化”的想法，我们提出

一只大笨猪·2022-07-17 10:29

深度学习-视频行为识别：论文阅读——双流网络（Two-stream convolutional networks for action recognition in videos）

这里写目录标题视频的行为识别前言背景内容组成主要贡献算法介绍网络结构双流（twostream）网络结构空间流卷积网络(SpatialstreamConvNet)时间流卷积网络（TemporalstreamConvNet）卷积网络的输入配置光流估计方法光流的堆叠方式(opticalflowstacking)光流堆叠（Opticalflowstacking轨迹堆叠（Trajectorystacking

sky_柘·2022-07-17 07:08

双流网络泛读【Two-Stream Convolutional Networks for Action Recognition in Videos】

目录0、前沿1、标题2、摘要3、结论4、重要图表5、解决了什么问题6、采用了什么方法7、达到了什么效果0、前沿泛读我们主要读文章标题，摘要、结论和图表数据四个部分。需要回答用什么方法，解决什么问题，达到什么效果这三个问题。需要了解更多视频理解相关文章可以关注我们视频理解系列目录了解我们当前更新情况。1、标题Two-StreamConvolutionalNetworksforActionRecogn

weixin_47341656·2022-07-17 07:34

【论文阅读】Two-Stream Convolutional Networks for Action Recognition in Videos

论文是视频分类的开山之作，采用了一个双流网络，是空间流和事件流共同组成的，网络的具体实现都是CNN，空间流的输入是静止的图片，来获取物体形状大小等appearance信息，时间流的输入是多个从两帧之间提取的光流图片叠加在一起，来获得视频中物体的运动信息，最后将结果进行融合。参考文献：SimonyanK,ZissermanA.Two-streamconvolutionalnetworksforact

S L N·2022-07-17 07:33

双流网络: Two-Stream Convolutional Networks for Action Recognition in Videos

ContentsIntroductionTwo-streamarchitectureforvideorecognitionEvaluationEnlightenmentReferencesIntroduction视频中的人体动作识别是一个具有挑战性的工作。与传统的图像分类相比，视频的时序部分为识别提供了额外信息，此外，视频还为单张视频帧提供了天然的数据增强。作者提出了双流网络用于视频动作识别，在U

连理o·2022-07-17 07:32

【论文笔记-视频行为识别】Two-Stream Convolutional Networks for Action Recognition in Videos

论文：Two-StreamConvolutionalNetworksforActionRecognitioninVideos这篇文章是NIPS2014年牛津大学提出的一个双流网络来做视频行为识别，比较经典。论文的三个贡献：（1）提出了two-stream结构的CNN，由空间和时间两个维度的网络组成；（2）使用多帧的稠密光流场作为训练输入，可以提取动作的信息；（3）利用了多任务学习的方法把两个数据集

橘也·2022-07-17 07:52

Two-Stream Convolutional Networks for action Recognition in Video 视频理解领域的开山之作

Two-StreamConvolutionalNetworksforactionRecognitioninVideo视频理解领域的开山之作作者提出视频理解是一个非常有前景的工作,并且指出输入至网络的一定是视频,而不是网上的一张一张的图片,其实双流网络并不是第一篇将深度学习应用到视频分析中的,早在2014年在些的时候CVPR有一篇叫做deepvideo的文章已经用深度学习用在视频分类中了,但是训练效

肖屁屁·2022-07-17 07:50

Two-Stream Convolutional Networks for Action Recognition in Videos

Two-StreamConvolutionalNetworksforActionRecognitioninVideos1.背景在传统的基于深度学习的行为检测中，视频常常被看做连续的图片，使用处理图片的方式来处理视频。这样的网络关注于空间特征却忽略了时间特征，有些时间特征明显而空间特征不明显的动作（如坐椅子）难以检测出来。在手工设计特征的时代，人们使用光流图（opticalflow）来描述物体的运动

黄小猛·2022-07-17 07:20

论文学习：Two-Stream Convolutional Networks for Action Recognition

1、Contributionweproposeatwo-streamConvNetarchitecturewhichincorporatesspatialandtemporalnetworksdemonstratethataConvNettrainedonmulti-framedenseopticalflowisabletoachieveverygoodperformanceinspiteofli

小吴同学真棒·2022-07-17 07:49

笔记【Two-Stream Convolutional Networks for Action Recognition in Videos】

关于视频中的动作识别，挑战在于从静止帧和帧之间的运动中捕获关于外观的补充信息。本文研究了经过区别训练的深度卷积网络（ConvNets）的体系结构，用于视频识别中。还旨在在数据驱动的学习框架中概括性能最优手动调节参数。文章有主要三点贡献：1.提出结合时间和空间网络的双流ConvNet网络结构。2.证明在缺少训练集的情况下，ConvNet在多帧密集光流中依然能取得非常好的训练效果。3.实验表明，应用于

Booker Ye·2022-07-17 07:46

动作识别阅读笔记(一)《Two-Stream Convolutional Networks for Action Recognition in Videos》

（注：为避免中文翻译不准确带来误解，故附上论文原句。）论文：SimonyanK,ZissermanA.Two-StreamConvolutionalNetworksforActionRecognitioninVideos[J].2014.链接：https://arxiv.org/abs/1406.2199这篇论文发表在是NIPS2014上，比较经典，使用双流法(twostream网络)来做acti

堂堂正正做猪·2022-07-17 07:44

译：Two-Stream Convolutional Networks for Action Recognition in Videos

摘要：我们研究了用于训练视频中行为识别的深度卷积网络架构。这个挑战是捕捉静态帧中的外观和连续帧间的运动的互补信息。我们也旨在推广这个在数据驱动的学习框架中表现得最好的手工特征。本文一共做出了3个贡献：首先，本文提出了一个two-stream卷积网络架构，这个架构由时间和空间网络构成。然后，我们验证了，尽管是有限的训练数据集，在多帧密集光流上训练的卷积网络仍然能够表现出很好的性能。最后，我们展示出，

kangshuaibing·2022-07-17 07:12

译：Two-stream convolutional networks for action recognition in videos

该篇文章为视频识别十分经典的一篇论文也是入门文章，开创了比较经典的双流（时间流+空间流）神经网络，本人发现很多大神博主翻译的论文不是特别完整，故按照原文与个人理解整理完整翻译见下。摘要：我们研究了用于训练视频中行为识别的深度卷积网络架构。这个挑战是捕捉静态帧中的外观和连续帧间的运动的互补信息。我们也旨在推广这个在数据驱动的学习框架中表现得最好的手工特征。本文一共做出了3个贡献：首先，本文一个包含空

范玥·2022-07-17 07:10

Two-Stream Convolutional Networks for Action Recognition in Videos双流网络论文精读

Two-StreamConvolutionalNetworksforActionRecognitioninVideos双流网络论文精读论文：Two-StreamConvolutionalNetworksforActionRecognitioninVideos链接：https://arxiv.org/abs/1406.2199本文是深度学习应用在视频分类领域的开山之作，双流网络的意思就是使用了两个卷

Encounter84·2022-07-17 07:02

【翻译论文】An Architecture Combining Convolutional Neural Network (CNN) and Support Vector Machine (SVM)

【翻译论文】AnArchitectureCombiningConvolutionalNeuralNetwork(CNN)andSupportVectorMachine(SVM)forImageClassification(2017)一种结合卷积神经网络(CNN)和支持向量机(SVM)的图像分类架构DOI:10.48550/arXiv.1712.03541文章目录摘要：关键词1.介绍2.方法2.1机

氧艺·2022-07-11 07:28

VidSage: Unsupervised Video Representational Learning with Graph Convolutional Networks个人论文笔记

模型主要从视觉和语义上编码一个视频：通过预训练的图像特征提取器提取视觉特征，再通过GCN变体来传播背景信息，获取视频语义3DCNN,LSTM,GCN(提取每帧人的关节作为关键点后产生的图像来预测动作)1.介绍通过GCN来对视频间的概念关联性进行建模：创建一个图GraphG，里面每个视频作为一个节点，然后基于视频间的语义相似性来形成节点间不同的连接；首先通过对比预训练好的图片特征提取器计算视频内平均

ystsaan·2022-07-10 12:46

[论]【DSTG】Dynamic SpatiotemporalGraph Convolutional Neural Networks for Traffic Data Imputation

DynamicSpatiotemporalGraphConvolutionalNeuralNetworksforTrafficDataImputationwithComplexMissingPatterns期刊：关键字：交通数据归因·时空相关性·缺失模式·图卷积神经网络·循环神经网络提示：该文章是应对缺失数据的动态图神经网络，摘要数据缺失Missingdata是智能交通系统中交通数据采集不可避免且

panbaoran913·2022-07-10 12:15

[论文笔记]Graph Convolutional Network(GCN) 图卷积网络原理

文章目录GCNNote直观理解：[GCN详解-mathor(wmathor.com)](https://wmathor.com/index.php/archives/1532/)BasicofGCNSpectralGraphTheory附加：linearalgebrarecap.AAA：adjacencymatrix：邻接矩阵DDD:degreematrix：度矩阵eigenvalue(特征值)e

LightInk2020·2022-07-10 12:44

ConvTransformer: A Convolutional Transformer Network for Video Frame

论文摘抄好词好句ConvTransformer:AConvolutionalTransformerNetworkforVideoFrameSynthesis好词好句子AbstractIntroductionRelatedWorkusageExperimentsandAnalysisConclusionConvTransformer:AConvolutionalTransformerNetworkf

weixin_46111925·2022-07-04 07:35

图神经网络（二十五）L2-GCN: Layer-Wise and Learned Efficient Training of Graph Convolutional Networks

本文收录于CVPR2020，作者来自于德克萨斯农工大学。GCN的性能是不可否认的，但将GCN应用于大图面临着高昂的时间复杂度和空间复杂度，因为计算每个节点的嵌入表示需要递归的从邻居节点那聚合邻居的信息，并且随着层数的增长邻域数量也成倍增长。本文提出了一种新的用于GCN的分层训练框架(L-GCN)，该框架将训练过程中的特征聚合和特征变换分离开来，从而大大降低了时间复杂度和空间复杂度。在后面作者进一步

码匀·2022-07-02 07:02

Visualizing and Understanding Convolutional Networks-ZFNet

博客转载自：http://www.cnblogs.com/taojake-ML/p/6287158.html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。为此，卷积网发明者YannLeCun的得意门生MatthewZeiler在2013年专门写了一篇论文，阐述了如何用反卷积网络可视化整个卷积网络，并进

hukai7190·2022-06-27 23:38

【课程笔记】李宏毅机器学习[10]：Convolutional Neural Network

本系列课程笔记为李宏毅2017,秋，台湾大学课程。视频网址链接：https://www.bilibili.com/video/av15889450/?p=19&t=1114更新日期：20200208CNN流程CNN应用![在这里插入图片描述](https://img-blog.csdnimg.cn/20200209120052633.png?x-oss-process=image/watermar

tjwyj·2022-06-25 07:22

李宏毅机器学习作业3——Convolutional Neural Network

本作业来源于李宏毅机器学习作业说明，详情可看Homework3-ConvolutionalNeuralNetwork(友情提示，可能需要)作业要求作业要求：在收集来的资料中均是食物的照片，共有11类，Bread,Dairyproduct,Dessert,Egg,Friedfood,Meat,Noodles/Pasta,Rice,Seafood,Soup,andVegetable/Fruit.我们要

迷雾总会解·2022-06-25 07:50

李宏毅机器学习课程梳理【八】：Convolutional Neural Network(CNN)

文章目录摘要1CNN1.1理解Convolution1.2MaxPooling1.3Flatten&FullyConnectedFeedforwardNetwork2CNNinKeras3分析CNN的学习过程3.1分析Filter的工作3.2分析Neuron的工作3.3分析Output层4DeepDream&DeepStyle5总结与展望摘要上一篇文章介绍了基于三条观察的CNN架构，本篇文章介绍C

-Emmie·2022-06-25 07:50

李宏毅《机器学习》| 卷积神经网络(Convolutional Neural Network)（上）

目录一、为什么用CNN1.smallregion2.smallpatterns3.subsampling二、CNN架构三、ConvolutionPropetry1Propetry2问题思考：1、卷积的计算，怎么通过卷机提取特征的2、参数量的计算3、Pooling层的作用，有哪几种4、怎么减少卷积参数量一、为什么用CNNCNN常被用在影像处理上，能够用CNN完成的影像处理，当然也可以用一般的neur

哒卜琉歪歪·2022-06-25 07:18

让你秒懂李宏毅2020深度学习（四）—— CNN（Convolutional Neural network）

动图+独家思维导图！让你秒懂李宏毅2020深度学习（四）——CNN（ConvolutionalNeuralnetwork）系列文章传送门：文章目录动图+独家思维导图！让你秒懂李宏毅2020深度学习（四）——CNN（ConvolutionalNeuralnetwork）CNN（ConvolutionalNeuralNetwork）ThreePropertyforCNNtheorybase一张图搞定C

哨哨可不苕·2022-06-25 07:36

【深度学习基础】一文读懂卷积神经网络(Convolutional Neural Networks, CNN)

文章目录1.基本概念2.卷积神经网络的结构2.1输入层2.2卷积层2.3池化层2.4全连接层2.5卷积神经网络的其它概念（1）感受野（2）padding（3）stride（4）Flatten（5）Dropout3.卷积神经网络之优缺点1.基本概念历史简单介绍CNN从90年代的LeNet开始，21世纪初沉寂了10年。直到2012年Geoffrey和他学生Alex在ImageNet的竞赛中，刷新了im

非晚非晚·2022-06-25 07:05

Convolutional Neural Network Hung-yi Lee 卷积神经网络李宏毅

ConvolutionalNeuralNetworkWhyCNNforimageThewholeCNNCNN–ConvolutionCNN-Colorfulimage彩色图像Convolutionv.s.FullyConnectedCNN-MaxPoolingFlattenCNNinKerasWhatdoesmachinelearn？Howabouthigherlayers?WhatdoseCNN

xianglingliwei·2022-06-25 07:04

李宏毅2021春季机器学习课程笔记5：Convolutional Neural Network(CNN)

文章目录1.ConvolutionalNeuralNetwork(CNN)1.1NeuronVersion1.2FilterVersionStory1.3Pooling1.ConvolutionalNeuralNetwork(CNN)CNN大多数应用于影像方面，例如给机器一张图片，让机器识别图片中是什么东西。一般首先要假设图形的大小都是一样的，再进行训练，目标用独热码的一个vector来yyy表示

Andy in boots·2022-06-25 07:03

Convolutional Neural Network（卷积神经网络）

Author：AXYZdong李宏毅《机器学习》系列参考视频地址：https://www.bilibili.com/video/BV1Ht411g7Ef参考文档：DataWhale文档文章目录一、为什么CNN用于图像处理二、CNN架构三、卷积（Convolution）四、Convolution和FullyConnected之间的关系五、最大池化（MaxPooling）六、压平（Flatten）七、

AXYZdong·2022-06-25 07:02

YOLO系列（YOLOv1-YOLOv5）算法详细介绍和总结

网络结构YOLOv1的损失函数YOLOv1的问题YOLOv2YOLOv2在YOLOv1的基础上做了如下尝试1.BatchNormalization2.HighResolutionClassifier3.Convolutional

白羊by·2022-06-25 07:55

卷积神经网络训练准确率突然下降_详解卷积神经网络：手把手教你训练一个新项目...

作者：TirmidziAflahi原文链接：https://thedatamage.com/convolutional-neural-network-explained/TirmidziAflahiApril14,2019

weixin_39844525·2022-06-15 07:20

《人体姿态估计》经典文章回顾1：Convolutional Pose Machine

导读：人体姿态估计中常用的模式，就是用堆叠的漏斗模型去实现精密的关键点预测，并将上一阶段的预测结果用于当前阶段的先验知识，并以强制中间层监督的方式来解决梯度消失的问题。这一系列经典的操作，根源与这篇文章，即卷积姿态学习机，CPM。目录摘要介绍方法总结摘要Pose机为学习丰富的隐式空间模型提供了一个序列预测模型。这篇文章展示了一个姿态估计的系统设计，如何将卷积网络整合到pose机中以学习图像特征和图

烧技湾·2022-06-14 10:08

《SCA-CNN：Spatial and Channel-wise Attention in Convolutional Networks for Image Captioning》论文笔记

1.前言视觉上的attention已经被成功运用在了结构预测任务中。例如，visualcaptioning与questionanswering。现有的视觉attention模型都是基于空间的，既是重新加权最后一个卷积层的featuremap。其原理如下图所示，但是这样的或许并不能会很好符合attention的机制。文章中指出，基于CNN的原理，其所提取的featuremap具有spatial、ch

m_buddy·2022-06-10 07:37

ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks

QilongWang,BangguWu,PengfeiZhu,PeihuaLi,WangmengZuo,&QinghuaHu(2019).ECA-Net:EfficientChannelAttentionforDeepConvolutionalNeuralNetworkscomputervisionandpatternrecognition.本文针对SENet通道注意力中降维产生的副作用进行了分析

我是一个对称矩阵·2022-06-07 12:24

图卷积网络(Graph Convolutional Networks, GCN)详细介绍

本文翻译自博客。在这篇博文中会为大家详细地介绍目前使用广泛的图神经网络——图卷积网络(GraphConvolutionalNetworks,GCN)的相关知识。首先将带领大家直觉上感受其工作原理，然后再介绍更深层的数学原理。为什么要使用图(Graph)？很多问题在本质是都可以表示为图的形式。在真实世界中，我们会发现很多数据其实是以图的形式存在的，比如分子网络，社交网络以及论文引用网络等等。基于图的

Worldora-·2022-06-05 07:33

【论文翻译 KDD2020】AM-GCN: Adaptive Multi-channel Graph Convolutional Networks 自适应多通道图卷积网络

文章目录摘要1引言2GCNs的融合能力：实验研究3AM-GCN3.1特定卷积模块3.2共同卷积模块4实验4.1实验设置4.2节点分类4.3变体分析4.4可视化4.5注意力机制分析4.6参数研究5相关工作6结论论文链接：AM-GCN:AdaptiveMulti-channelGraphConvolutionalNetworks论文代码：https://github.com/zhumeiqiBUPT/

林若漫空·2022-06-05 07:59

[行为识别]论文翻译-Hidden Two-Stream Convolutional Networks for Action Recognition

论文地址代码地址(pytorch)代码地址(caffe)Abstract在本文中，我们提出了一种新颖的CNN体系结构，隐式捕获相邻帧之间的运动信息。我们将其命名为HiddenTwo-StreamConvolutionalNetworks，因为它仅将原始视频帧作为输入并直接预测动作类别，而无需明确计算光流。1Introduction当前最新的CNN结构仍然难以直接从视频帧捕获运动信息，所以一般使用传

LukaMadrid·2022-06-02 07:57

推荐频道

Convolutional