convolution

吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Convolution model:step by step and application (4.1)

一.ConvolutionalNeuralNetworks:StepbyStepWelcometoCourse4’sfirstassignment!Inthisassignment,youwillimplementconvolutional(CONV)andpooling(POOL)layersinnumpy,includingbothforwardpropagationand(optionall
Hansry·2017-11-17 23:47

Keras上实现卷积神经网络CNN——一个例子程序

概述及完整代码本例的代码主要来自keras自带的example里的mnist_cnn模块，主要用到keras.layers中的Dense,Dropout,Activation,Flatten模块和keras.layers中的Convolution2D
GerHard_Z·2017-11-16 18:16

deeplabv2 (vgg实现版本) ＋ resnet101实现版本手稿结构

：http://www.dongzhuoyao.com/deeplab-semantic-image-segmentation-with-deep-convolutional-nets-atrous-convolution-and-fully-connected-crfs
jiachen0212·2017-11-15 08:57

Faster RCNN训练出现问题：Matlab版本训练

input:"data"input_dim:1input_dim:3input_dim:224input_dim:224state{phase:TEST}layer{name:"conv1"type:"Convolution"bo
dp_research·2017-11-13 21:58

Joint Sequence Learning and Cross-Modality Convolution for 3D Biomedical Segmentation笔记

JointSequenceLearningandCross-ModalityConvolutionfor3DBiomedicalSegmentation笔记传统的图像都是二维的自然图像，使用CNN做一个end-to-end的架构，做一个以图生图的CNN框架，得到图像的分割结果。但是在医学的MRI图像中，脑部的扫描结果是3D并且多模态的数据。人的大脑本来就是3唯，这个比较好理解，多模态指的是从四个不
liyaohhh·2017-11-10 16:53

Keras上实现卷积神经网络CNN

概述及完整代码本例的代码主要来自Keras自带的example里的mnist_cnn模块，主要用到keras.layers中的Dense,Dropout,Activation,Flatten模块和keras.layers中的Convolution2D
han____shuai·2017-11-09 21:11

Keras Convolution1D与Convolution2D区别

以下是Convolution1D的例子：fromkeras.layersimportConvolution1Dfromkeras.modelsimportSequentialmodel=Sequential
_yuki_·2017-11-09 11:26

Keras CNN卷积神经网络（三）

importnumpyasnpfromkeras.datasetsimportmnistfromkeras.utilsimportnp_utilsfromkeras.modelsimportSequentialfromkeras.optimizersimportAdamfromkeras.layersimportDense,Activation,Convolution2D
_yuki_·2017-11-08 09:59

【译】DeepLab V2：基于深度卷积网、孔洞算法和全连接CRFs的语义图像分割

【译】DeepLab:基于深度卷积网、孔洞算法和全连接CRFs的语义图像分割DeepLab:SemanticImageSegmentationwithDeepConvolutionalNets,多孔Convolution
hukai7190·2017-11-03 11:33

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution--阅读笔记

DeepLab:SemanticImageSegmentationwithDeepConvolutionalNets,AtrousConvolution,andFullyConnectedCRFs–阅读笔记论文来源：IEEETransactionsonPatternAnalysisandMachineIntelligence论文链接：https://export.arxiv.org/pdf/160
liveway6·2017-11-02 10:58

学习笔记TF052:卷积网络，神经网络发展，AlexNet的TensorFlow实现

卷积(convolution)，泛函数分析积分变换数学方法，两个函数f和g生成第三个函数数学算子，表征函灵敏f与
利炳根·2017-10-31 08:34

图像的复原与重建（4）：图像处理中滤波（filtering）与卷积（convolution）的区别

转载于：http://blog.csdn.net/haoji007/article/details/53911940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(
独孤呆博·2017-10-30 09:54

deeplabcv2 的 Atrous Convolution(带孔卷机核)，感受野，及tensorflow实现crf的一点理解。

首先是因为做图像分割，所以使用deeplab。思想基本和fcn一样。先卷机提取特征，然后阔尺寸至原图像大小。普通fcn先把图像padding至很大（据说是边缘补100个0），然后一层层下来，pool（stride＝2）或者是卷机（stride＝2）5次，图像缩小了32倍，所以之前才需要把图像放大，不然最后得到的特征图就太小了。但是补0加大了噪声。。。deeplabcv2采用的新做法是：在pool5
jiachen0212·2017-10-16 22:38

[深度学习]转置卷积(Transposed Convolution)

一.写在前面在GAN（GenerativeAdversarialNets，直译为生成式对抗网络）中，生成器G利用随机噪声Z，生成数据。那么，在DCGAN中，这部分是如何实现呢？这里就利用到了TransposedConvolution（直译为转置卷积），也称为FractionalStridedConvolution。那么，接下来，从初学者的角度，用最简单的方式介绍什么是转置卷积，以及在Tensorf
chenqin's blog·2017-10-16 11:10

tensorflow: bn层

实验一可视化batchnormalization过程中的tensor演化（以输入一张[1,4,4,1]的图片为例）#-*-coding:utf-8-*-importtensorflowastfdeffunc_convolution
JNingWei·2017-09-29 10:45

DenseNet 网络

如果记第l层的变换函数为H_l（通常对应于一组或两组Batch-Normalization，ReLU和Convolution的操作），输出为x_l，那么我们可以用一个
温故-知新·2017-09-16 10:26

ECO论文翻译：Efficient Convolution Operators for Tracking论文翻译

摘要近些年来，在目标追踪领域，基于判别式相关滤波（DCF）的方法明显体现了最高水平。不过，曾经追求提高包括提取特征的速度和实时性等追踪性能（的研究）,已经逐渐黯然失色。在将来，越来越复杂的、并且包含大量训练参数的模型,已经引入了重度过拟合的风险（意思是，越来越复杂的模型，更容易引起很严重的过拟合）。本次工作中，我们处理复杂计算和过拟合问题背后的关键问题，并且，同时改善速度和精度。我们回顾了DCF的
denghe1122·2017-08-30 16:10

【译】如何应对 CNN 中的过拟合问题

一、卷积（Convolution）那么究竟什么是卷积呢？你可能还记得我之前的博客，我们使用了一个小的滤波器（Filter），并在整个图像上
hello曹真·2017-08-29 03:48

「Keras」Demonstrates the Use of Convolution1D for Text Classification

最近，我跑一些Keras的例子，入门NLP。今天，跑了imdb_cnn.py，是一维卷积做文本分类。imdb.load_data之后，x_train和x_test每一样本为list，或者理解为一个向量，代表一个文本；y_train和y_test每一样本为int64整数，取值为0或者1，0代表文本的评价为“不好”，1代表文本的评价为“好”。训练样本集和测试样本集的容量为25000。sequence.
小锋子Shawn·2017-08-20 16:05

[翻译]5.2 Convolution

2017年8月19日星期六整理第五章部分此处给出本节的代码：https://github.com/Leechen2014/TensorFlow-for-Machine-Intelligence相关的文件描述在github中给出。PS:翻译来源：http://shop.oreilly.com/product/9781939902351.doConvolution顾名思义，卷积运算是卷积神经网络中重要
斐波那契的数字·2017-08-19 19:07

第二章：2.3 卷积定义（卷积积分与卷积和）

首先我们来看一下卷积的定义：Convolution对于一个线性时不变系统，如果我们知道他的单位冲击响应信号h（t），那么这个系统的零状态输出y（t）就可以通过输入信号x（t）卷积系统的单位冲击响应h（t
Einstellung·2017-08-19 09:41

第二章：2.3 卷积定义（卷积积分与卷积和）

首先我们来看一下卷积的定义：Convolution对于一个线性时不变系统，如果我们知道他的单位冲击响应信号h（t），那么这个系统的零状态输出y（t）就可以通过输入信号x（t）卷积系统的单位冲击响应h（t
Einstellung·2017-08-19 09:41

Deconvolution/Transposed convolution

老早就琢磨过deconvolution的问题，不过今天又想起这个，发现理解得还是比较模糊，具体就是还是不知道caffe或者tensorflow中实现deconvolution是怎么实现的，刚才看到下面这篇文章https://arxiv.org/ftp/arxiv/papers/1609/1609.07009.pdf里面的两张图一下子就把我的所有疑惑解开了：Fig.2描述的是卷积过程，caffe中的
qiusuoxiaozi·2017-08-16 20:46

最正确的姿势安装cudnn，网上大多数教程都太坑了

cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，例如convolution、pooling、normalization以
每天都要深度学习·2017-08-04 12:42

手把手教你用 TensorFlow 实现卷积神经网络（附代码）

下面是卷积神经网络判断一个图片是否包含“儿童”的过程，包括四个步骤：●图像输入（InputImage）●卷积（Convolution）●最大池化（MaxPooling）●全连接神经网络（Fully-ConnectedNeuralNetwork
weixin_34122604·2017-08-02 16:00

论文阅读理解 - (Deeplab-V3)Rethinking Atrous Convolution for Semantic Image Segmentation

Deeplab-V3RethinkingAtrousConvolutionforSemanticImageSegmentation[Paper][Code-TensorFlow]摘要DeeplabV1&V2-带孔卷积(atrousconvolution),能够明确地调整filters的接受野(field-of-view)，并决定DNN计算得到特征的分辨率；DeeplabV3-多尺度(multipl
AIHGF·2017-07-18 17:34

显存 内存 使用量估计 卷积神经网络 convolution torch finput

如何估算深度卷积神经网络的显存/内存消耗量torch7中是可以打印显示深度神经网络中各个神经网络层的内存占用情况，既每个Tensor的配置情况，比如batch大小为16的时候：nn.SpatialConvolution(3,4,4,4,2,2,1,1)--cpu{padW:1nInputPlane:3output:FloatTensor-size:16x4x16x16gradInput:Float
周博士·2017-07-07 08:29

[译]Rethinking Atrous Convolution for Semantic Image Segmentation

Abstract在本文中，我们重温一下AtrousConvolution的妙用，AtrousConvolution能在调整滤波器的感受野的的同时，解决DCNNs造成的分辨率降低的问题。同时，为了解决图像语义分割的多尺度问题，设计了很多模型，包括并行或者串行的使用不同的rate的AtrousConvolution。更进一步的提出了ASPP。接下来会详细的说明实现的具体的细节和训练过程，我们的Deep
ZLiang_·2017-07-06 17:52

Deeplab v3 | Rethinking Atrous Convolution for Semantic Image Segmentation

鉴于之前写过deeplabv1与2，继续读一读新出的v3整体来说，这篇文章还是在探究两个大家一直在做的问题：全局信息于多尺度信息。另外作者还强调了BN的使用。本文在原有的框架下提出了两种框架：1.加长版2.增强版ASPP（deeplabv3）两者都使用了Multi-grid的多hole算法rates。1.Multigrid图森的论文也提过类似的方法,P.Wang,P.Chen,Y.Yuan,D.L
bea_tree·2017-06-21 13:07

【论文笔记】物体检测与分割系列 Deformable Convolution Network

本文转载自：http://blog.csdn.net/yaoqi_isee/article/details/65963253另外可以参考的材料：https://www.zhihu.com/question/57493889原文链接：https://arxiv.org/pdf/1703.06211.pdf-----------------------------------我是转载的分割线-----
Elaine_Bao·2017-06-18 23:26

UFLDL教程：Exercise:Convolution and Pooling

DeepLearningandUnsupervisedFeatureLearningTutorialSolutionsCNN的基本结构包括两层其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来。其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。由于一个
帅气的弟八哥·2017-06-15 13:10

UFLDL教程：Exercise:Convolution and Pooling

卷积全联通网络较大图像，通过全联通网络来学习整幅图像的特征，将会非常耗时。在稀疏自编码章节中，我们把输入层和隐含层进行“全连接”的设计。从计算的角度来讲，在其他章节中曾经用过的相对较小的图像（如在稀疏自编码的作业中用到过的8x8的小块图像，在MNIST数据集中用到过的28x28的小块图像），从整幅图像中计算特征是可行的。但是，如果是更大的图像（如96x96的图像），要通过这种全联通网络的这种方法来
jiandanjinxin·2017-06-15 13:00

keras中Convolution1D的使用（CNN情感分析yoom例子四）

这篇文章主要说明两个东西，一个是Convolution1D的介绍，另一个是model.summary()的使用。
飞翔的大马哈鱼·2017-06-07 22:11

【深度学习】反卷积（transposed convolution）介绍

反卷积与卷积反卷积，顾名思义是卷积操作的逆向操作。为了方便理解，假设卷积前为图片，卷积后为图片的特征。卷积，输入图片，输出图片的特征，理论依据是统计不变性中的平移不变性（translationinvariance），起到降维的作用。如下动图：反卷积，输入图片的特征，输出图片，起到还原的作用。如下动图：我们知道卷积结合池化的降维作用，将神经网络推向深度学习，开启神经网络的新世界，那么反卷积的作用呢？
原来zz·2017-06-05 20:40

CNN中各层图像大小的计算

keras中的convolution和poolingkeras我们以0.2的版本来介绍，0.1对的版
foreyang00·2017-06-05 16:30

目标跟踪之ECO：Efficient Convolution Operators for Tracking

一.相关滤波算法总结作者首先分析了影响相关滤波算法效率和导致过拟合的几个原因：1）ModelSize(模型大小）包括两个方面：－模型层数，对应多分辨率Sample，比如多层CNN－特征维度，对应庞大的HOGorCNN特征图这里的效率影响是显而易见的，层数或特征越多，表现力越丰富，计算量也相应的线性增加（如C-COT需要在线学习800,000个参数）。另外，也是作者一直Focus的问题，复杂模型带来
linolzhang·2017-05-31 23:23

caffe中train_val.prototxt和deploy.prototxt转换 ResNet_18_deploy.prototxt

data"input_param{shape:{dim:10dim:3dim:224dim:224}}}layer{bottom:"data"top:"conv1"name:"conv1"type:"Convolution"convolution_p
dp_research·2017-05-04 11:04

caffe group参数

caffeConvolution层的convolution_param参数字典中有一个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，比如输入数据大小为90x100x100x3290是数据批大小
跬步达千里·2017-04-27 15:42

TensorFlow-2: 用 CNN 识别数字

关于CNN，可以看这篇：图解何为CNN简单看一个典型的DeepCNN由若干组Convolution－ReLU－Pooling层组成。
Alice熹爱学习·2017-04-26 10:40

TensorFlow-2: 用 CNN 识别数字

关于CNN，可以看这篇：图解何为CNN简单看一个典型的DeepCNN由若干组Convolution－ReLU－Pooling层组成。
aliceyangxi1987·2017-04-26 10:00

Caffe源码解读（十）：Caffe五种层的实现和参数配置

map：就是一张图像经过一个卷积核之后的图像layer{name:"conv2"type:"Convolution"bottom:"pool1"top:"conv2"param{lr_mult:1#学习
August26_cwx·2017-04-21 01:23

反卷积(Transposed Convolution, Fractionally Strided Convolution or Deconvolution)

反卷积（Deconvolution）的概念第一次出现是Zeiler在2010年发表的论文Deconvolutionalnetworks中，但是并没有指定反卷积这个名字，反卷积这个术语正式的使用是在其之后的工作中(Adaptivedeconvolutionalnetworksformidandhighlevelfeaturelearning)。随着反卷积在神经网络可视化上的成功应用，其被越来越多的工
think0713·2017-04-01 10:01

Keras上实现卷积神经网络CNN

概述及完整代码本例的代码主要来自Keras自带的example里的mnist_cnn模块，主要用到keras.layers中的Dense,Dropout,Activation,Flatten模块和keras.layers中的Convolution2D
marsjhao·2017-03-30 17:36

Caffe 学习笔记（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学习笔记（数据层及参数）本文只讲解视觉层（VisionLayers)的参数，视觉层包括Convolution
AndyCao9527·2017-03-22 10:10

DL学习笔记【17】nn包中的各位Convolutional layers

ifyoucan'texplainitsimply,youdon'tunderstanditwellenough.参考文章：https://github.com/torch/nn/blob/master/doc/convolution.md
Sun7_She·2017-03-18 21:03

ECO: Efficient Convolution Operators for Tracking视频目标跟踪论文笔记（PPT版）

论文标题：ECO:EfficientConvolutionOperatorsforTracking论文主页：http://www.cvl.isy.liu.se/research/objrec/visualtracking/ecotrack/index.html作者：MartinDanelljan等发表会议：CVPR2017（目前的状态为已录用）关键概念：①因式分解卷积FactorizedConvo
越野者·2017-03-17 13:49

GoogLeNet计算过程

:Input:10x3x224x224按照我们的要求将数据集reshape成我们期望的格式，即3channel,height224,width224，一次处理10张（暂且按一张处理）Layer17x7convolution7x7
YankeeWann·2017-03-08 08:25

CNN详解（卷积层及下采样层）

1、卷基层（Convolution）关于卷积层我们先来看什么叫卷积操作：下图较大网格表示一幅图片，有颜色填充的网格表示一个卷积核，卷积核的大小为3*3。
二娃的千里眼·2017-03-06 09:41

mxnet由resnet换向alexnet时候出现问题

importmxnetasmxdefget_symbol(num_classes,**kwargs):input_data=mx.symbol.Variable(name="data")#stage1conv1=mx.symbol.Convolution
AllyLi0022·2017-03-01 15:56

FCN网络中使用的caffe类型层汇总--Convolution/Deconvolution/Crop/Eltwise/SoftmaxWithLoss

其中不但有经典神经网络所使用的Convolution(卷积)操作，还包括Deconvolution、Crop、Eltwise操作。将其整理如下：1.Crop层:主要作用是进行裁切。
Michael_liangliang·2017-02-13 14:31
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他