1回答
我正在使用Conv2D转置对图像进行因子18，9，6，3的上采样。我的图像大小为(1,1)，(2,2)，(3,3)，(6,6)。目标是将它们向上采样到大小(18,18)。我遇到的问题是，当选择正确的滤波器大小，步长和填充来
浏览 2提问于2020-09-01得票数 0
回答已采纳
在这段代码中，UpSampling2D和Conv2DTranspose似乎可以互换使用。我想知道为什么会发生这种事。weighted binary-crossentropy as loss func
from keras.layers import Input, Conv2D(n_filters, (3, 3), activation='relu', padding='same')(inputs)
conv1 = Conv
浏览 10提问于2018-12-06得票数 39
回答已采纳
1回答
特征图不下采样时转置卷积的必要性
、、、、
本文提出了一个对称的发电机网络，它包含一个卷积层和一个反卷积(反卷积)层。文中还提到，使用1的步长和适当的填充以确保特征映射大小与输入图像大小相同。我的问题是，如果没有下采样，那么为什么使用转置卷积层呢？不能只用卷积层来建造发电机吗？我是不是遗漏了一些关于转置卷积层的东西(它
浏览 0提问于2017-06-28得票数 0
1回答
我正在为分割实现FCN的一些变体。特别是，我实现了一个U-net架构。在架构中，我使用3x3内核应用有效卷积，然后使用2x2内核和步长2应用转置卷积进行上采样。我的问题是，如果对卷积使用有效的或相同的填充，这是否决定了我们对转置的卷积使用有效的或相同
浏览 7提问于2018-01-27得票数 2
conv2d_transpose()操作的文档没有清楚地解释它的作用：这种操作有时被称为之后的“反卷积”，但实际上是conv2d的转置(梯度)，而不是实际的反卷积。我看了医生所指的那篇论文，但没有帮助。
这个操作是做什么的，你为什么想要使用它的例子有哪些？
浏览 66提问于2016-09-07得票数 45
回答已采纳
2回答
我试图理解对抗生成网络是如何工作的:我在Fran ois Chollet (用Python进行深度学习)的书中找到了一个例子，其中有一个使用CIFAR10数据集的GAN示例，它使用的是包含32x32 RGB图像的“青蛙”类。特征图
接下来，运行另一个Conv2DTranspose，然后运行另一个3 <
浏览 0提问于2019-05-31得票数 1
回答已采纳
1回答
有人能解释卷积和次采样层之间的区别吗？
在卷积步骤中，我们定义了带权值的卷积滤波器()，而在次采样步骤中，我们应用卷积滤波器，并使用大步和池来确定它们的大小，这是正确的吗？
浏览 2提问于2018-12-05得票数 0
回答已采纳
我正在尝试使用tensorflow在时间加速度计信号上实现CNN。I每隔10ms (200个采样)对信号值进行分段，我要执行一维卷积：padding='VALID') (x，
浏览 37提问于2018-05-11得票数 0
回答已采纳
我正在尝试使用keras实现FCN，但当我尝试对特征映射进行上采样时，我遇到了一个问题。上采样后的特征图大小与输入大小不同。我发现这个问题的发生是因为特征图的大小很奇怪，并且在池化图层之后，它的大小被2除。
例如:输入大小(95,95,3)，其中3是通道数，在我应用最大池化后，大小</
浏览 22提问于2020-03-06得票数 0
回答已采纳
我正在学习卷积自动编码器，我正在使用keras来构建图像去噪器。、UpSampling2D输出大小。编辑代码以包含注释上方的convmodel3.add(MaxPooling2D(pool_size=(2,2)))层，它将最终输出形状转换为(无、12、12、1)。这方面的守则和摘要：convmodel3.add(Conv2D(32, (3,3), input_shape=(28,28,1), padding=此外，编辑Conv
浏览 0提问于2019-01-29得票数 7
TensorFlow中这两个操作(反向传播)的复杂性时发现，Conv2DBackpropFilter ( )和Conv2DBackpropInput ()有三个实现版本(自定义、快速和插槽)。当我分析时，所有的计算都被传递到“自定义”版本，而不是直接调用特征函数SpatialConvolutionBackwardInput的“快速”或“缓慢”版本。问题是: Conv2DBackpropFilter使用Eigen：“TensorMap.contract”进行</e
浏览 3提问于2017-11-03得票数 0
3回答
我有一个以600 an采样的240个数据点的数组，代表400ms。我需要将此数据重采样到以1024 at采样的512个数据点，代表500ms。我假设由于我从400ms的数据开始，最后的100ms将只需要填充0。
有没有最好的方法来实现这一点？
浏览 1提问于2011-03-01得票数 3
回答已采纳
我想了解以下差异背后的建筑直觉：和假设，
随着核大小的增加，在卷积步骤中可以执行更复杂的特征模式匹配；随着特征尺寸的增大，较小特征<em
浏览 2提问于2020-08-15得票数 0
回答已采纳
2回答
什么是亚像素卷积？
、、、、
我正在做一个超分辨率的项目。现在，我使用转置卷积对图像进行上采样。但我听说过很多关于亚像素卷积做得更好的说法。那么什么是亚像素卷积以及它背后的数学原理呢？为什么它比转置卷积更好？(举个例子就好了)
浏览 2提问于2020-01-22得票数 5
1回答
由于一些维度问题，尝试实现一篇论文时遇到了一些砖墙。我的输入是单声道音频数据，其中128帧50ms的16 the采样音频被馈送到网络中。所以我的输入形状是: 128,0.005*16000，1这是图层的细节-bank_width =1, bank_width + 1)], axes = -1)
2.)转换块: C-512-5，LReLu --> C-512-5，
浏览 4提问于2018-07-04得票数 0
我试着遵循这个教程我不太喜欢这里的输出形状。如果输入形状为3x150x150，内核大小为3x3，那么输出形状不是3x148x148吗？(假设没有填充)。我的问题是这种理解是否正确？如果是的话，额外的过滤器来自哪里？
浏览 0提问于2019-01-08得票数 3
回答已采纳
1回答
我试图建立一个2阶段的VAE 2+ PixelCNN，如论文所示：“用VAE 2生成多样化的高可信度图像”()。我有三个执行问题：
本文提到的：我们允许层次结构中的每个级别分别依赖于像素。我理解VAE 2中的第二个潜在空间必须以第一个潜在空间的级联和图像的下采样版本为条件。是这样吗？论文“带有PixelCNN解码器的条件图像生成”()指出:h是一种单热编码，它指定
浏览 0提问于2020-03-27得票数 2
回答已采纳
在keras的这个函数中，subsample做了什么 subsample=subsample,
浏览 5提问于2016-07-31得票数 8
回答已采纳
为了简单起见，假设图像只有一个通道，我们有一个大小为2,2的过滤器，可以写成W=[a，b，c，d]，我想使用这组参数进行2次卷积，首先使用W本身：
output =tf.nn.conv2d(输入，W)第二个卷积，我想使用滤波器W_2=[d，c，b，a]，它基本上是W的某种“转置”，它需要与W共享参数，我该如何用tensorflow编写这个？
浏览 0提问于2018-10-27得票数 0
回答已采纳
1回答
我的任务是在文档的图片上找到某个字母。使用经典的计算机视觉，我将图像分割成字符。然后，我使用神经网络对25×25像素的字符图像进行训练，将它们分类为我想要的和所有其他的。使用这个，我可以重建这些字符的位置。
现在我想将convnet直接应用于整个图像，这样我就不必依赖经典的分
浏览 0提问于2020-09-16得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
