convolution

PointCNN: Convolution On X-Transformed Points 解读

1摘要点云具有不规则和无序性，直接在点云上使用卷积核提取特征，会导致形状信息的丢失和对点云输入顺序的敏感。本文提出了x-transform，解决两个问题：（1）给学习到的特征赋予权重（2）将特征按某种潜在的顺序排列。2引言如果数据是按特定顺序表达的，如i所示，比如图片，CNNs就可以很好的完成任务。但是如果是点云数据，如ii、iii、iv所示，由于点云的不规则和无序性，CNNs就不能很好的发挥作用
美不胜收:-)·2019-07-07 22:08

UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initiali

最近配置环境完成后运行模型时遇到报错，大部分博主说由于版本配置问题，建议tensorflow版本在1.14或者1.12的降级为1.9，还有许多博主采用重启大法，折腾了一个下午，目前个人找到的比较好的解决方案，个人版本为python3.7+tensorflow1.13，os.environ["CUDA_VISIBLE_DEVICES"]='0'config=tf.ConfigProto()confi
dec_lv4644·2019-07-05 17:36

Deconv (Transpose Convolution) 和 Unpooling 的通俗解释

Deconv和Unpooling作为标准操作却很少被人提及在深度学习分类检测等任务中，大部分操作都是在下采样(downsampling)，因为我们输入高维的图像，然后输出是低维的坐标信息或者是分类信息，所以我们需要下采样来减少维度，但是在一些特殊的任务中，比如生成或者是语义分割的时候，我们最终的维度跟输入的图像维度相同甚至要更大，所以我们需要一些上采样(upsampling)的操作，Deconv和
Ibelievesunshine·2019-07-04 15:10

Caffe 层级结构

文章目录一、层的基本数据结构三、数据及部署层三、视觉层1、卷积层（Convolution）2、池化层（Pooling）3、全连接层（InnerProduct）4、归一化层（BatchNorm+Scale
man_world·2019-07-02 22:57

1D 、2D and 3D convolution

原文网址https://www.cnblogs.com/szxspark/p/8445406.html，便于查阅，所以进行复制
COSummer·2019-06-13 20:52

Group convolution and Channel Shuffle

减少了参数量，输入80为，经过3x3，32filters的Convolution，推理参数计算量为80x3x3x32，假设分为4个group，总的计算量为4x（20x3x3x8），推理计算量为原来的1/
好吃红薯·2019-06-10 22:11

图像

ContentsReferences数学基础基本概念1.主成分分析PCA2.卷积convolution3.变换Fourier/Laplace/ZTransformFourierLaplaceZ变换滤波BilateralFilter
Alan_EE·2019-06-06 10:15

Resnet解构

initiallayermainblock1blockchain可自定义的block4的卷积过程tensorflow依赖函数卷积层的残差连接的keras实现fromkeras.layersimportadd,Convolution2D
Nicolas Léon Deng·2019-06-06 09:56

keras 实现conv1D卷积

importnumpyasnpimportkerasfromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Flatten,LSTM,Inputfromkeras.layersimportConv2D,MaxPooling2D,Convolution1D
万三豹·2019-06-05 15:23

pytorch 深度学习/神经网络包

DeepAutoencoder(DAE)StackedAutoencoder(sAE)StackedSparseAutoencoder(sSAE)StackedDenoisingAutoencoder(sDAE)Convolution
fuzimango·2019-06-03 16:07

Tensorflow工具箱（一） ops

TenorTool：我设计的Tensorflow工具箱1CkCk是“convolution—normal—leaky_relu”的层级结构。
以笔为剑的唐吉坷德·2019-05-24 17:34

Tensorflow工具箱（一） ops

TenorTool：我设计的Tensorflow工具箱1CkCk是“convolution—normal—leaky_relu”的层级结构。
以笔为剑的唐吉坷德·2019-05-24 17:34

深度学习-初识Tensorflow框架、Keras框架（中篇笔记）

卷积（Convolution）概念卷积是深度学习一个重要的概念，个人觉得用一句话描
云帆之路Tony·2019-05-24 15:54

Dilated Convolution （空洞卷积或扩张卷积）

之前博文已经对空洞卷积做了介绍，本文进行深入介绍《各种卷积层的理解（深度可分离卷积、分组卷积、扩张卷积、反卷积）》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pooling，降低图像尺寸的同时增大感受野，但是由于图像分割预测是pixel-wise的输出，所以要将pooling后较小的图像尺寸upsampling到原始的图像尺寸
gwpscut·2019-05-18 18:29

【轻量级网络】Octave Convolution

Paper：OctaveConvolutionGithub：Offical和UnOfficalOctave是指八音阶，在音乐中降低八音阶代表频率减半。Abstract自然图像中的信息可以被分解为低频信息和高频信息，低频信息通常是全局结构而高频信息通常是细节信息。类似，卷积的输出特征图也可看作是低频信息和高频信息的混合。OcaveConvolution将特征图进行分解，从而消耗更少的内存和计算资源。
1273545169·2019-05-13 22:59

深度学习的可解释性——Striving For Simplicity: The All Convolution Net

StrivingForSimplicity:TheAllConvolutionNet是ICLR2015的一篇论文，作者JostTobiasSpringenberg,AlexeyDosovitskiy,ThomasBrox,MartinRiedmiller这个方法来自于ICLR-2015的文章《StrivingforSimplicity:TheAllConvolutionalNet》，文中提出了使用
丽宝儿·2019-05-12 22:50

深度学习入门|第七章 卷积神经网络（三）

图7-23简单CNN的网络构成如图7-23所示，网络的构成是“Convolution-ReLU-Pooling-Affine-ReLU-Affine-Softmax”，我们将它实现为名为SimpleConvNet
砍-柴-人·2019-05-12 18:00

语义分割之FastFCN: Rethinking Dilated Convolution in the Backbone for Semantic Segmentation

FastFCN:RethinkingDilatedConvolutionintheBackboneforSemanticSegmentation文章目录FastFCN:RethinkingDilatedConvolutionintheBackboneforSemanticSegmentation相关工作DUpsample主要工作JointPyramidUpsampling(JPU)JointUps
lart·2019-05-08 18:21

FCOS:Fully Convolution One-Stage Object Detection

2019年anchor-free的论文code文章目录概述细节ResultConclusion概述要解决的问题One-stageanchor-freeobjectdetection采用的方法center到top,left,right,bottom边距的回归由于采用了上述方法，出现了一些低质量的预测框，使用了“center-ness”方法来处理结果如何比肩anchor-based一类的方法one-s
One__Coder·2019-05-06 15:18

【BasicNet系列：二】ResNeXt 论文阅读解析 + pytorch 实现

2016ImageNetSecond2017CVPRAggregatedResidualTransformationsforDeepNeuralNetworks1、Introduce采用VGG堆叠的思想和Inception的split-transform-merge思想，把convolution
鹿鹿最可爱·2019-05-04 10:04

上采样和反卷积 Up-sampling and Transposed Convolution (Deconvolution)

文章目录1.卷积操作2.卷积矩阵3.反卷积4.反卷积矩阵5.使用卷积计算反卷积6.总结参考文献使用反卷积（TransposedConvolution）来进行上采样操作，不需要借助插值方法，并且可以提供能够学习的参数。反卷积在DCGAN和图像的语义分割网络中，有很重要的应用。1.卷积操作我们用一个简单的例子来介绍卷积的计算过程。如下图所示，用一个3x3的卷积核对一个4x4的矩阵进行卷积操作，步长为1
随风秀舞·2019-05-03 21:28

深度可分离卷积（Depthwise Seperable Convolution）与Mobilenet

一、标准卷积流程：一次性完成，输入为，过滤器为(个数为N)，输出为计算量为：图1.1卷积示意图1.2计算量二、深度可分离卷积（DepthwiseSeperableConvolution）流程：分两步完成，分别为DepthwiseConv和PointwiseConv1.DepthwiseConv：filteringstage输入为，过滤器为(个数为M)，输出为计算量为：图2.1DepthwiseCo
SKY.AI·2019-05-02 13:03

模型压缩与加速:(一)Octave Convolution

  自AlexNet刷新了ImageNet比赛的最佳记录以来,神经网络的又一次高潮猛烈的到来了.一些列各种各样的网络层出不穷,图像/音频/文本等各种任务下都开始了神经网络一统天下的声音.然而神经网络虽然很火,近些年在落地端却鲜有比较成功的案例,其中一个很重要的原因是这些网络需要很强的计算资源,基本都要跑在PC或者服务器上.因此个人认为深度学习如果想在工业上获得比较大的推广和应用,解决模型大小与推理
Tai Fook·2019-04-28 00:00

信号与响应函数卷积的简单理解

部分内容来自：https://en.wikipedia.org/wiki/Convolution上图的英文描述（来自wiki）：ExpresseachfunctionintermsofadummyvariableReflectoneofthefunctions
dikyhan·2019-04-21 09:56

八度卷积 Octave Convolution（OctConv）

讲解的非常详细，可以看看核心原理就是利用空间尺度化理论将图像高频低频部分分开，下采样低频部分，可以大大降低参数量，并且可以完美的嵌入到神经网络中。降低了低频信息的冗余。很大的创新。好多人不理解这个操作，我看了看facebook的源码，项目也正在开发中，是mxnet，大家可以自己看看。https://github.com/facebookresearch/OctConv首先传参，就是传入的data是
湖心亭nineships·2019-04-19 11:21

Octave Convolution[论文详解]

DropanOctave:ReducingSpatialRedundancyinConvolutionalNeuralNetworkswithOctaveConvolution[github]传统的卷积运算，要成为过去时了。Facebook和新加坡国立大学联手提出了新一代替代品：OctConv（OctaveConvolution），效果惊艳，用起来还非常方便。OctConv就如同卷积神经网络（CN
gdtop818·2019-04-16 15:53

海思Hi3519A NNIE开发中mobilenet-ssd模型转换过程中遇到的坑

如下通过group来实现（代码中就是输入的8个featuremap经过分8组，每组各和一个卷积核做卷积运算，最后运算输出还是8个featuremap）layer{name:"conv1/dw"type:"Convolution"bottom
Goodbye despair·2019-04-15 15:28

【深度学习】空洞卷积（Atrous Convolution）

优点：在不做pooling损失信息和相同的计算条件下的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。空洞卷积经常用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑空洞卷积。空洞卷积（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。利用添加空洞扩大感受野，让原本3x3的卷积
行者无疆兮·2019-04-09 15:09

keras：怎样使用 fit_generator 来训练多个不同类型的输出

x=Convolution2D(8,5,5,subsample=(1,1))(image_input)x=Activation('relu')(x)x=Flatten()(x)x=Dense(50,W_regularizer
strange_jiong·2019-04-09 14:45

TensorFlow——CNN实现MNIST手写体识别

文章目录TensorFlowCNN实现MNIST1，数据集2，回归模型——Softmax3，卷积神经网络ConvolutionalNeuralNetwork-CNN卷积Convolution池化Pooling
Ice星空·2019-04-08 21:19

卷积神经网络，主要分为哪四大块

卷积层是基于单词“卷积(Convolution)”而来，这是一种数学上的操作，它是对两个变量f*g进行操作产生第三个变量。它和互相关(cross-correlation)很像。
duozhishidai·2019-04-08 15:00

Depthwise Separable Convolution详解

转载自常规卷积运算假设输入层为一个大小为64×64像素、三通道彩色图片。经过一个包含4个Filter的卷积层，最终输出4个FeatureMap，且尺寸与输入层相同。整个过程可以用下图来概括。此时，卷积层共4个Filter，每个Filter包含了3个Kernel，每个Kernel的大小为3×3。因此卷积层的参数数量可以用如下公式来计算：N_std=4×3×3×3=108SeparableConvol
在路上的咸鱼·2019-04-07 22:13

Partial Convolution based Padding 论文速读

1、论文背景如今致力于提升神经网络性能的研究有很多：主要包括优化器的改进（SGD、ADAM等），激活函数的改进和混搭（RuLU、LeakyReLU、PReLU等），归一化操作的改进（BatchNorm、InstanceNorm、LayerNorm等）。很少有文章试图改进padding机制，本文做的就是这样一件事情。在此之前，主要的padding方式有三种：0padding、对称padding和重复
scut_少东·2019-04-02 14:40

[深度学习从入门到女装]FastFCN: Rethinking Dilated Convolution in the Backbone for Semantic Segmentation

论文地址：FastFCN:RethinkingDilatedConvolutionintheBackboneforSemanticSegmentation这是一篇对于FCN进行改进从而进行语义分割的论文上图展示了目前的几种分割方法，DilatedFCN就是在原本FCN的基础上，去掉了最后两层的pooling，改为使用dilaconv来保持图像尺寸不变，和原来一样的感受野，但是使用空洞卷积会带来计算
炼丹师·2019-03-30 16:28

tensorflow keras tensorboard bug集锦UnknownError (see above for traceback): Failed to get convolution

1：UnknownError(seeabovefortraceback):Failedtogetconvolutionalgorithm.ThisisprobablybecausecuDNNfailedtoinitialize,原因：CUDNN版本跟TF需求不同请参考TF官方安装手册Tensorflow-gpu安装指导BUG原因：升级TF版本导致解决方法：使用anaconda升级CUDNN到7.3
三头六臂的小白·2019-03-30 09:44

EAST自用笔记

好的图网络结构分为四个阶段第一阶段：全链接层第二阶段：layer{name:"upscore"type:"Deconvolution"bottom:"score_fr"top:"upscore"param{lr_mult:0}convolution_param
ThugLiu·2019-03-27 00:00

Caffe数据层参数详解

一、引言本文主要讲解Caffe中的视觉层（VisionLayers）的参数，视觉层包含Convolution，Pooling，LocalResponseNormalization（LRN），im2col
志小·2019-03-15 20:51

深度学习---卷积神经网络+tensorflow实现

来来来，小手动起来~磨刀不误砍柴工，先去复习一下传统的神经网络，https://blog.csdn.net/aBIT_Tu/article/details/82456016目录一、卷积(Convolution
aBIT_Tu·2019-03-14 14:50

CNN卷积神经网络简单介绍与详细搭建注释-识别mnist手写黑白数字

（详细注释版代码在后面）CNN是深度神经网络（DNN）的改进版本，加上了convolution（卷积层）和pooling（池化层）以及padding（填充）操作。
Amigo瓜波·2019-03-11 10:54

膨胀卷积dilated convolution 相关

【时间】2019.03.10【题目】膨胀卷积dilatedconvolution相关及keras实现1、DilatedConvolution2、DilatedConvolutions空洞卷积pytorch版3、Keras实现。看了pytorch的dilatedconvolution的实现，发现只是在普通卷积中多了一个参数dilation如，conv2=nn.Conv2d(1,1,3,stride=
C小C·2019-03-10 09:48

keras速度复习-CNN

importnumpyasnpfromkeras.datasetsimportmnistfromkeras.utilsimportnp_utilsfromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Convolution2D
_Jim_·2019-03-05 17:50

UpPooling/UpSampling/Deconvolution/Transposed convolution

在图像的语义分割领域,经常需要将分辨率较低的特征图通过某些方式将其恢复到原图分辨率.这个时候很多的网络结构中使用UpPooling,UpSamping,Deconvolution等操作进行恢复.这几个操作之前还是有一些区别的,这里做个笔记记录具体的区别情况.UpPooling（这里针对MaxPooling）可以看到UnPooling操作相当于在进行MaxPooling操作时候对局部最大值的出现位置
tuzixini·2019-03-02 15:45

Dilated/Atrous Convolution

DilatedConvolution(或者叫做AtrousConvolution),中文称作空洞卷积/带孔卷积/扩张卷积/膨胀卷积/多孔卷积.这些名称指的都是同一个意思,都是同一种操作.出处Multi-ScaleContextAggregationbyDilatedConvolutions为什么需要空洞卷积在出现空洞卷积之前的CNN分割网络中,习惯于使用Pooling的方式降低图像的尺寸,同时增大
tuzixini·2019-02-26 09:17

tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm. 解决方法

一、问题描述在使用tensorflow-gpu时，出现下面的错误：tensorflow.python.framework.errors_impl.UnknownError:Failedtogetconvolutionalgorithm.ThisisprobablybecausecuDNNfailedtoinitialize,sotrylookingtoseeifawarninglogmessage
Dong幺dong幺·2019-02-18 17:45

keras, CNN, mnist手写数字识别，实例

importnumpyasnpfromkeras.datasetsimportmnistfromkeras.utilsimportnp_utilsfromkeras.modelsimportSequentialfromkeras.layersimportDense,Dropout,Convolution2D
iamcfb_·2019-02-17 18:49

Torch 和 OpenCV4.0 在风格转换中对应层（风格迁移）

OpenCV4.0层nn.Sequentialnn.SpatialReflectionPaddingl1_Padding加对边(四周各加20个像素宽的边)nn.SpatialConvolutionl2_Convolution
juebai123·2019-02-03 08:13

Tensorflow：UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed

Tensorflow报错解决：UnknownError:Failedtogetconvolutionalgorithm.ThisisprobablybecausecuDNNfailedtoinitialize,sotrylookingtoseeifawarninglogmessagewasprintedabove.方法一：可能是Tensorflow-gpu版本太高，我报错时为1.12，可以将其降为
Invokar·2019-01-17 17:57

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

博客：blog.shinelee.me|博客园|CSDN[toc]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GroupConvolution前，先回顾下常规卷积
shine-lee·2019-01-09 11:00

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
李拜六不开鑫·2019-01-09 10:30

Python 实现 TensorFlow 和 PyTorch 验证卷积 convolution 函数矩阵化计算及反向传播

摘要本文使用纯Python实现TensorFlow和PyTorch验证卷积convolution函数矩阵化计算及反向传播.相关原理和详细解释,请参考文章:卷积convolution函数的矩阵化计算方法及其梯度的反向传播系列文章索引
BrightLampCsdn·2019-01-05 20:27
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他