convolution 第20页

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

1.分组卷积(GroupConvolution)分组卷积最早出现在AlexNet中，如下图所示。在CNN发展初期，GPU资源不足以满足训练任务的要求，因此，Hinton采用了多GPU训练的策略，每个GPU完成一部分卷积，最后把多个GPU的卷积结果进行融合。接下来回顾一下常规卷积是怎样进行的，假设输入的特征图(Tensor)的shape为Cin×H×WC_{in}\timesH\timesWCin×

z-bingo·2020-07-05 22:56

【Deep Learning】两层CNN的MATLAB实现

这里层的概念是指convolution+pooling，有些地方会把convol

weixin_30298497·2020-07-05 20:27

群卷积（Group Convolution）

最近有看到groupconvolution，故做个记录。groupconvolution可称为群卷积或者是分组卷积，最早是在AlexNet中出现的。当时由于硬件资源有限，训练AlexNet时卷积操作不能全部放在同一个GPU中处理，因此作者把featuremaps分给多个GPU分别进行处理，最后把多个GPU的结果进行融合。我们假设上一层的featuremap总共有N个，即通道数channel=N，也

JerrySing·2020-07-05 16:07

Multi-Scale Context Aggregation by Dilated Convolution读书笔记

DilatedConvolution的产生是为了解决全卷积网络（FCN）在图像分割领域的问题，图像分割需要输入和输出在像素的shape保持一致，但由于池化层的存在导致FCN需要通过上采样扩增size,但是上采样并不能将丢失的信息无损的找回所以存在不足。DilatedConvolution想法很粗暴，既然池化的下采样操作会带来信息损失，那么就把池化层去掉。但是池化层去掉随之带来的是网络各层的感受野变

waqiqi·2020-07-05 15:37

Multi-Scale Context Aggregation by Dilated Convolution训练记录

读完文章后，觉得应该网络框架类似FCN，却可以达到更好的效果。该网络的准确度和花费时间都应该好于FCN-8S，打算funetune一个自己的模型。首先从测试开始，对于predict.py，我认真研究了他的代码，我来具体说一下他的代码结构：首先读入图片后，得到deploy.prototxt中输入图片的大小，以“dilation10_cityscapes_deploy.prototxt”为例，他的网络

waqiqi·2020-07-05 15:36

如何理解空洞卷积（dilated convolution）

论文：Multi-scalecontextaggregationwithdilatedconvolutions简单讨论下dilatedconv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilatedconv诞生背景[4]，再解释dilatedconv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型的网络比如FCN[3]）中，FCN先像传统的CNN那样对图像做卷积再p

suixinsuiyuan33·2020-07-05 13:12

深度学习论文: Pyramidal Convolution: Rethinking CNN for Visual Recognition及其PyTorch实现

深度学习论文:PyramidalConvolution:RethinkingConvolutionalNeuralNetworksforVisualRecognition及其PyTorch实现PyramidalConvolution:RethinkingConvolutionalNeuralNetworksforVisualRecognitionPDF:https://arxiv.org/pdf/

mingo_敏·2020-07-05 11:47

卷积神经网络参数说明

1.VisionLayers1.1卷积层(Convolution)类型：CONVOLUTION例子layers{name:"conv1"type:CONVOLUTIONbottom:"data"top:

redfivehit·2020-07-05 10:59

论文解读：D-LinkNet ：LinkNet with Pretrained Encoder and Dilated Convolution for High Resolution Satelli

参考链接：北邮夺冠CVPR2018DeepGlobe比赛，他们是这样做卫星图像识别的论文链接：D-LinkNet:LinkNetwithPretrainedEncoderandDilatedConvolutionforHighResolutionSatelliteImageryRoadExtractionGithub地址Python2.7pytorch0.2.0D-LinkNet:LinkNetw

Amberrr-L·2020-07-05 08:05

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作

文章目录常规卷积（Convolution）分组卷积（GroupConvolution）原理用途空洞（扩张）卷积（Dilated/AtrousConvolution）深度可分离卷积（depthwiseseparableconvolution

呆呆象呆呆·2020-07-05 08:44

Dilated Convolution 扩张卷积和 Group Convolution 分组卷积

你好，该博客已经更新，请转移到HERE扩张卷积也有人说是空洞卷积，都行。思想非常简单，随着网络的层数越来越多，parameters越来越多，并且maxpooling本身的限制（比如四次maxpooling，那么理论上16x16的图就到了1x1，空间信息全部丢失）DilatedConvolution就此出现，他可以扩大网络的感受野，如图，stride=1，kernelsize=3,padding=1

*小呆·2020-07-05 07:03

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

1.分组卷积(GroupConvolution)分组卷积最早出现在AlexNet中，如下图所示。在CNN发展初期，GPU资源不足以满足训练任务的要求，因此，Hinton采用了多GPU训练的策略，每个GPU完成一部分卷积，最后把多个GPU的卷积结果进行融合。这里提出一个小小的问题给大家思考：如上图所示，inputFeatures是12,将其分为3个组，每组4个Featuresmap,那么output

华仔168168·2020-07-05 06:34

空洞卷积，扩张卷积，膨胀卷积，多孔卷积，带孔卷积，dilated convolution

引子：感受野（receptivefield）：CNN中，某一层输出结果中一个元素所对应的输入层的区域大小.。越大的感受野包含越多的上下文关系Dilated/AtrousConvolution(中文叫做空洞卷积或者膨胀卷积)或者是Convolutionwithholes从字面上就很好理解，是在标准的convolutionmap里注入空洞，以此来增加receptionfield。相比原来的正常conv

alanjia163·2020-07-05 05:48

论文笔记--deeplabv3--Rethinking Atrous Convolution for Semantic Image Segmentation

论文笔记–deeplabv3–RethinkingAtrousConvolutionforSemanticImageSegmentation文章地址：https://arxiv.org/abs/1706.05587项目地址：https://github.com/NanqingD/DeepLabV3-Tensorflow本篇文章作为使用空洞卷积解决语义分割全局context信息与局部spatial信

你听的到、·2020-07-05 05:02

CVPR2018《Graph Attention Convolution for Point Cloud Segmentation》GACNet 笔记

GraphAttentionConvolutionforPointCloudSegmentation标准卷积由于其特征的各向同性，在语义点云分割中存在固有的局限性。它忽略了物体的结构，导致分割结果中对物体轮廓的描述较差，有小部分伪区域。作者提出了一种新的图形注意卷积(GAC)，它的卷积核可以被动态地雕刻成特定的形状，以适应对象的结构。具体来说，GAC通过给不同的相邻点分配特定的注意权重，根据它们的

小刀丶·2020-07-05 05:36

Dilated Convolution —— 空洞卷积（膨胀卷积）

目录DilatedConvolution概述DilatedConvolution存在的问题HDC(HybridDilatedVonvolution)DilatedConvolution概述DilatedConvolution是在标准卷积的Convolutionmap的基础上注入空洞，以此来增加感受野（receptionfield）。因此，DilatedConvolution在StandardCon

- birdguan -·2020-07-05 04:04

膨胀卷积（Dilated convolution）

Dilatedconv，中文叫做空洞卷积或者扩张卷积，起源于语义分割，大部分文章也用于语义分割，具体能否对其他应用有价值姑且还不知道，但确实是一个不错的探究方向。感受野（receptivefield）：CNN中，某一层输出结果中一个元素所对应的输入层的区域大小，感受野是卷积核在图像上看到的大小，例如3×3卷积核的感受野大小为9。越大的感受野包含越多的上下文关系。膨胀卷积与普通的卷积相比：除了卷积核

满腹的小不甘·2020-07-05 03:40

【ECO】Efficient Convolution Operators for Tracking阅读笔记

Abstract：基于DCF的方法在跟踪领域有着领先优势，但是对跟踪性能的追求，使得跟踪速度和实时能力下降。复杂的模型带来大量可训练的参数，增加了过拟合的风险。这篇论文的工作解决了计算复杂度与过拟合这个主要问题，目的是同时提高性能和速度。引进了以下创新：（1）因式分解卷积算子，减少了模型中的参数数量（2）训练样本集的紧凑生成模型，降低了内存和时间复杂度，能提供更好的样本多样性（3）一种保守的模型更

努力学习编程的朱小妹·2020-07-05 03:15

Group Convolution

Groupconvolution:群卷积。群卷积最早出现在alexnet中，作者认为groupconv的方式能够增加filter之间的对角相关性，而且能够减少训练参数，不容易过拟合，类似于正则效果。假设上一层的输出featuremao有N个，也就是N个channel（卷积核）。再假设群卷积的群数目M。那么该卷积层的操作就是，先将channel分为M份，每个group对应N/M个channel。各个

别说话写代码·2020-07-05 03:18

如何理解空洞卷积（dilated convolution）ID-CNN

作者：谭旭链接：https://www.zhihu.com/question/54149221/answer/192025860来源：知乎著作权归作者所有，转载请联系作者获得授权。简单讨论下dilatedconv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilatedconv诞生背景[4]，再解释dilatedconv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型

猪逻辑公园·2020-07-05 02:38

对Dilated Convolution理解

“微信公众号”本文同步更新在我的微信公众号里，地址：https://mp.weixin.qq.com/s/erRlLajvOYmwcfZApNOzIw本文同步更新在我的知乎专栏里，地址：https://zhuanlan.zhihu.com/p/39542237本文主要对论文《Multi-ScaleContextAggregationbyDilatedConvolutions》进行总结。论文地址：h

Microstrong0305·2020-07-05 02:11

论文阅读理解 - Dilated Convolution

DilatedConvolution[Paper]:Multi-scaleContextAggregationbyDilatedConvolutions[Caffe-Code]1.Caffe中的定义DilatedConvolution已经可在Caffe官方的卷积层参数中定义.messageConvolutionParameter{//Factorusedtodilatethekernel,(imp

AIHGF·2020-07-05 01:34

C-COT -- 超越相关滤波：学习连续卷积算子(Continuous Convolution Operators)

在目标跟踪算法中，ECO算法表现很优秀，是基于C-COT跟踪算法的改进（Martin林雪平大学）。因此学习C-COT是理解和改进ECO算法的基础和关键。一、C-COT算法的整体核心原理如下图所示：多分辨率深度特征图习得的连续卷积滤波器每层置信度最终的连续置信度输出函数图中是可视化的应用于多分辨率深度特征映射的连续卷积算子。第一列是输入的RGBpatch和预训练好的深层网络的第一个卷积层和最后一个卷

lixiaotong95·2020-07-04 22:21

深度学习中的初始化

深度学习中的初始化layer{name:"conv1"type:"Convolution"bottom:"data"top:"conv1"param{lr_mult:1}param{lr_mult:2}

keson26·2020-07-04 20:17

注意力机制论文 --- RADC-Net: A residual attention based convolution network for aerial scene classification

最近找了十几篇神经网络注意力机制的论文大概读了一下。这篇博客记录一下其中一篇，这篇论文大概只看了摘要，方法和参数初始化部分。文中提出RADC-Net(residualattentionbaseddenseconnectedconvolutionalneuralnetwork)，网络中由三种结构组成，密集连接结构(denseconnectionstructure)、残差注意力块(residualat

长安不乱·2020-07-04 20:00

Group Convolution分组卷积

文章目录写在前面ConvolutionVSGroupConvolutionGroupConvolution的用途写在前面GroupConvolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，GroupConvolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下：ConvolutionVSGroupConvolution在介绍Gro

杯酒和雪·2020-07-04 18:36

论文学习14：“Neural Network Convolution (NNC) for Converting Ultra-Low-Dose to “Virtual” High-Dose CT Images

本文是MICCAI17年的文章，作者来自于美国伊利诺伊斯理工大学和日本广岛大学医院。文章完成的是从低剂量CT向高剂量CT图像质量提升的工作。文章提出了NNC(neuralnetworkconvolution)，不同于CNN，NNC从目标图像出发，学习LDCT和标准HDCT之间的区别。基本模型如下图所示，输入LDCT和HDCT经过滤波反投影变换，得到原始图像。滤波反投影变换（FBP），是CT重建最常

侯冠群·2020-07-04 17:20

理解Dilation convolution

论文：Multi-scalecontextaggregationwithdilatedconvolutions简单讨论下dilatedconv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilatedconv诞生背景[4]，再解释dilatedconv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型的网络比如FCN[3]）中，FCN先像传统的CNN那样对图像做卷积再p

最后一码·2020-07-04 17:01

卷积层中的 group 参数理解

卷积层中group参数理解Convolution层的参数中有一个group参数，其意思是将对应的输入通道与输出通道数进行分组,默认值为1,也就是说默认输出输入的所有通道各为一组.比如输入数据大小为90x100x100x3290

magic428·2020-07-04 17:24

Multi-Scale Context Aggregation by Dilated Convolution 对空洞卷积（扩张卷积）、感受野的理解

dilatedconvolution是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。在基于FCN思想的语义分割问题中，输出图像的size要和输入图像的size一致。但是FCN中由于有若干stride>1的池化层，所以越到较高的网络层，单位像素中包含的原始图像的信息就越多，也就是感受野越大，但这是以通过池化降低分辨率、损失原始图像中的信息作为代价而得来的；由于pooli

Colie-Li·2020-07-04 16:07

cuDNN: efficient Primitives for Deep Learning 论文阅读笔记

传统CNN计算主要开销是在convolutions,activationfunction,pooling.首先，我们看convolution的操作过程:参数表：O是输出inputfeaturemap，F

leonordo·2020-07-04 16:33

Group Convolution分组卷积，以及Depthwise Convolution和Global Depthwise Convolution

博客：blog.shinelee.me|博客园|CSDN文章目录写在前面ConvolutionVSGroupConvolutionGroupConvolution的用途参考写在前面GroupConvolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，GroupConvolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下：Convo

shine-lee·2020-07-04 15:53

【视频行为识别5】(双流网络)Two-stream Convolution Networks for Action Recognition in Videos(2014)

Two-streamConvolutionNetworksforActionRecognitioninVideos论文链接：Two-StreamConvolutionalNetworksforActionRecognitioninVideos背景：视频相比于图像而言，是一帧帧图像的集合。因此，很自然可以想到从两个维度去提取视频信息：空间：单帧图像包含的信息；时间：多帧图像之间包含的运动信息；所以文

超级无敌陈大佬的跟班·2020-07-04 12:16

【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

超级无敌陈大佬的跟班·2020-07-04 12:15

分组卷积：Grouped convolution

参考：ATutorialonFilterGroups(GroupedConvolution)分组卷积最早出现在AlexNet中，当时硬件资源有限，训练时卷积操作不能全部放在同一个GPU中运算，因此作者在2个GPU上运行，把featuremaps分给这两个GPU分别进行处理，最后把这两个GPU的结果进行concatenate，作为一层的output。直到2016年DeepRoots:Improvin

你好再见z·2020-07-04 10:52

MNIST机器学习入门（下篇）

文章目录MNIST手写数字识别（卷积池化）一前言二基本概念1.卷积Convolution2.池化Pooling3.激活函数ActivationFunction4.全连接层FullyConnectedLayer

qq_1927157164·2020-07-04 05:16

组卷积（group convolution）的理解

分组是日常生活中一种常见现象，如基于年龄分为幼年、儿童、青少年、青年、中年和老年等。在机器学习中，聚类算法的本质思想也是分组，即把未知数据基于一些特性分成一个个组，便于人们理解。在深度学习用到组思想的一个地方就是组卷积。组卷积最早出现是在AleNet，当初主要采用并行训练方式来训练。后来研究学者基于卷积的基本计算方式广义线性方程（或多元多项式方程）发现，当卷积网络中卷积核个数增多时，会出现卷积冗余

Bill_zhang5·2020-07-04 04:30

卷积网络基础知识---Group Convolution分组卷积

GroupConvolution分组卷积，以及DepthwiseConvolution和GlobalDepthwiseConvolutionhttps://www.cnblogs.com/shine-lee/p/10243114.html写在前面GroupConvolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，GroupConvolution被用来切分网络，

O天涯海阁O·2020-07-04 04:11

目标检测之RPN

1）layer{name:“rpn_cls_score”type:“Convolution”bottom:“rpn/o

千秋莫负·2020-07-02 17:40

程序员数学基础整理

1.矩阵运算（参考线性代数，较简单）矩阵加法、矩阵乘法2.卷积（Convolution）卷积神经网络(ConvolutionalNeuralNetwork,CNN)设:f(x),g(x)是R1上的两个可积函数

娄葑哈登·2020-07-02 16:34

【目标跟踪】C-COT：Beyond Correlation Filters: Learning Continuous Convolution Operators for VisualTracking

本文参考文献BeyondCorrelationFilters:LearningContinuousConvolutionOperatorsforVisualTracking作为近来大热的ECO的前作，很奇怪博主在网上却没有找到一篇解读它的文章，所以花了点功夫，把我理解的C-COT算法写了下来，文章仍有很多不足，希望可以和大家交流交流~符号标注定义了傅里叶系数ĝ[k]=g^[k]=任何g∈L2(T

kobe_huai·2020-07-02 15:00

Depth-wise Convolution keras 运行时间缓慢原因

提到depth-wiseconv2D大家都如数家珍，这里我就简单的介绍一下，用两张图就可以概述出来了，大家想要看具体的介绍可以看ABasicIntroductiontoSeparableConvolutions这篇文章介绍的很清楚。上图是一个正常的卷积操作，是一个12×12×3的特征图经过256个卷积核大小为5×5×3的卷积得到了一个8×8×256的特征图。这是正常的卷积。参数量为256x5x5x

skyfengye·2020-07-02 13:44

Keras读书笔记----卷积层、池化层

1.卷积层1.1.Convolution1D层一维卷积层，用以在一维输入信号上进行邻域滤波。当使用该层作为首层时，需要提供关键字参数input_dim或input_shape。

梵天的读书笔记·2020-07-02 04:01

caffe之视觉层

本文只讲解视觉层（VisionLayers)的参数，视觉层包括Convolution,Pooling,LocalResponseNormalization(LRN),im2col等层。

geaus·2020-07-01 06:21

convolution kernel

卷积核被用于边缘检测，也称作filter。其中卷积核的一个属性是局部性，即它只关注局部特征，局部的程度取决于卷积核的大小。在信号处理中，时域卷积对应频域相乘。此处，原图像与convolutionkernel的卷积，就是对频域信息进行选择。比如，图像中的边缘和轮廓属于高频信息，图像中某区域强度的综合考量属于低配信息。CNN中的convolutionkernel：cnn的独特之处：1.卷积核中德每个权

叨逼叨小马甲·2020-07-01 06:00

从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型

从图(Graph)到图卷积(GraphConvolution)：漫谈图神经网络模型(一)https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html从图(Graph)到图卷积(GraphConvolution)：漫谈图神经网络模型(二)https://www.cnblogs.com/SivilTaram/p/graph_neura

zzx3163967592·2020-06-30 21:21

图网络如何助力城市大脑：跨时空大尺度网约车流量预测

SpatiotemporalMulti-GraphConvolutionNetworkforRide-hailingDemandForecasting论文地址：http://www-scf.usc.edu/~yaguang/papers/aaai19_multi_graph_convolution.pdfST-MGCN

zzx3163967592·2020-06-30 21:20

【OpenCV学习笔记】之卷积及卷积算子（convolution）

一、简单理解卷积的概念1.1卷积的定义：定义任意两个信号的卷积为这里的*代表卷积的运算符号，是中间变量，两个信号的卷积仍是以t为变量的信号。类似地，离散的信号的卷积和：1.2卷积的计算步骤：（1）将上面的、中的自变量t换为，得到、；（2）将函数以纵坐标为轴折叠，得到折叠信号；（3）将折叠信号沿轴平移t，t为变量，从而得到平移信号,t0时右移；（4）将与相乘，得到相乘信号的非零区间，从而确定卷积积分

点滴成海~·2020-06-30 17:51

卷积神经网络知识学习笔记

卷积层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互相关（cross-correlation）运算。关于卷积运算和互相关运算的关系可以查看这里。

qiufeng1ye·2020-06-30 15:29

神经网络-CNN结构和语音识别应用

intuitive-explanation-convnets/参考deeplearning.IanGoodfellow的chapter9cross-correlation:S(i,j)=(I∗K)(i,j)=∑M∑NI(i+m,j+n)K(m,n)convolution

xmucas·2020-06-30 03:14

推荐频道

convolution

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

【Deep Learning】两层CNN的MATLAB实现

群卷积（Group Convolution）

Multi-Scale Context Aggregation by Dilated Convolution读书笔记

Multi-Scale Context Aggregation by Dilated Convolution训练记录

如何理解空洞卷积（dilated convolution）

深度学习论文: Pyramidal Convolution: Rethinking CNN for Visual Recognition及其PyTorch实现

卷积神经网络参数说明

论文解读：D-LinkNet ：LinkNet with Pretrained Encoder and Dilated Convolution for High Resolution Satelli

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积） 卷积中的不一样的操作

Dilated Convolution 扩张卷积和 Group Convolution 分组卷积

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

空洞卷积，扩张卷积，膨胀卷积，多孔卷积，带孔卷积，dilated convolution

论文笔记--deeplabv3--Rethinking Atrous Convolution for Semantic Image Segmentation

CVPR2018《Graph Attention Convolution for Point Cloud Segmentation》GACNet 笔记

Dilated Convolution —— 空洞卷积（膨胀卷积）

膨胀卷积（Dilated convolution）

【ECO】Efficient Convolution Operators for Tracking阅读笔记

Group Convolution

如何理解空洞卷积（dilated convolution）ID-CNN

对Dilated Convolution理解

论文阅读理解 - Dilated Convolution

C-COT -- 超越相关滤波：学习连续卷积算子(Continuous Convolution Operators)

深度学习中的初始化

注意力机制论文 --- RADC-Net: A residual attention based convolution network for aerial scene classification

Group Convolution分组卷积

论文学习14：“Neural Network Convolution (NNC) for Converting Ultra-Low-Dose to “Virtual” High-Dose CT Images

理解Dilation convolution

卷积层中的 group 参数理解

Multi-Scale Context Aggregation by Dilated Convolution 对空洞卷积（扩张卷积）、感受野的理解

cuDNN: efficient Primitives for Deep Learning 论文阅读笔记

Group Convolution分组卷积，以及Depthwise Convolution和Global Depthwise Convolution

【视频行为识别5】(双流网络)Two-stream Convolution Networks for Action Recognition in Videos(2014)

【Deep Learning】空洞卷积(膨胀卷积)解析

分组卷积：Grouped convolution

MNIST机器学习入门（下篇）

组卷积（group convolution）的理解

卷积网络基础知识---Group Convolution分组卷积

目标检测之RPN

程序员数学基础整理

【目标跟踪】C-COT：Beyond Correlation Filters: Learning Continuous Convolution Operators for VisualTracking

Depth-wise Convolution keras 运行时间缓慢原因

Keras读书笔记----卷积层、池化层

caffe之视觉层

convolution kernel

从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型

图网络如何助力城市大脑：跨时空大尺度网约车流量预测

【OpenCV学习笔记】之卷积及卷积算子（convolution）

卷积神经网络知识学习笔记

神经网络-CNN结构和语音识别应用

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作