例如，在神经网络进行图像检测的情况下，“输入”到底指的是什么？
在神经网络进行图像检测的情况下，“输入”指的是被检测的图像数据。图像数据可以是数字化的像素矩阵，也可以是图像文件的二进制数据。神经网络将这些图像数据作为输入，通过一系列的计算和学习过程，输出对图像的检测结果，如图像中是否存在特定的物体或特征。
在云计算领域，腾讯云提供了一系列与神经网络和图像处理相关的产品和服务，以帮助开发者进行图像检测和处理。以下是一些推荐的腾讯云产品和产品介绍链接：
- 腾讯云图像识别（https://cloud.tencent.com/product/imagerecognition）：提供了丰富的图像识别能力，包括物体识别、场景识别、文字识别等，可用于图像检测应用场景。
- 腾讯云人脸识别（https://cloud.tencent.com/product/face）：提供了高精度的人脸检测、人脸比对、人脸搜索等功能，可用于人脸图像的检测和识别。
- 腾讯云智能视频分析（https://cloud.tencent.com/product/vca）：提供了视频内容分析的能力，包括人脸识别、人体识别、行为分析等，可用于视频监控和安防领域。
- 腾讯云智能语音合成（https://cloud.tencent.com/product/tts）：提供了自然流畅的语音合成能力，可用于将文字转换为语音，配合图像检测结果进行多媒体处理。
通过使用腾讯云的图像识别、人脸识别、智能视频分析等产品，开发者可以方便地构建基于神经网络的图像检测应用，并实现更多的功能和应用场景。
相关·内容
1回答
如何识别图像中输入的字符字体大小与训练时使用的字体大小不同的模式？我如何将这些输入到我训练过的神经网络中?目前，我只了解前馈神经网络，我假设它们足以满足it.Do，我需要其他东西？
浏览 4提问于2015-02-28得票数 1
2回答
如果您能帮助我使用关键点创建一个简单对象的特征向量，我将不胜感激。现在，我使用ETH-80数据集，对象的背景几乎是蓝色的，图片是从不同的视图拍摄的。如下所示：
在创建了一个特征向量之后，我想用这个向量训练一个神经网络，并使用该神经网络来识别对象的输入图像。我不想让它变得复杂，输入图像将像火车图像一样简单。我之前问过类似的，有人建议使用关键点的20x20邻域的平均值。我试过了，它似乎不能处理ETH-80图像，因为图像的视图不同。这就是为什么我问了另一个问题。
浏览 2提问于2011-09-02得票数 1
回答已采纳
2回答
我对神经网络非常陌生，最近我建立了用于车牌号码分类的神经网络。它有3层:1输入层，16*24(382神经元)数字图像，150 dpi；1隐层(199神经元)，乙状结肠激活函数；1 softmax输出层(10神经元)，每个数字0到9。
我想把我的神经网络扩展到车牌上的字母分类。但我担心，如果我只是简单地在输出中添加更多的类，例如在分类中添加10个字母，总共20个类，神经网络将很难将特征从每个类中分离出来。而且，当输入是数字的输入，神经网络错误地将其归类为概率最大的字母时，即使所有数字输出的概率之和超过了这一概率之和，也会引起问题。
因此，我想知道是否有可能以下列方式建立分层神经网络：
有三个神经
浏览 17提问于2018-01-13得票数 0
回答已采纳
1回答
我感兴趣的是创建一个使用Microsoft检测像笔这样的对象的软件。我回顾了100幅正面图像和200幅负片图像，以便用人工神经网络进行采集。我的问题是:如何将这些图像转换成人工神经网络的输入？我想最后一层有一个神经元，因为是一个输出是笔还是不是笔，我猜输入也是一个，我想总共使用3层。但我不知道是否应该转换矩阵中的正负图像，或者我能做些什么？
浏览 4提问于2014-02-15得票数 3
回答已采纳
2回答
为了理解这个概念，我阅读了写的这篇文章，看了Deeplearning.ai在YouTube上的一篇文章，但是我对S (B *5 +C)部分感到困惑。我知道S代表网格大小，5代表包围框的组件，C代表类。B和锚箱一样吗？如果我只想检测一个类别(例如车牌)，这是否意味着只有1B？
编辑是在图像被输入到神经网络之前在图像上创建边界框吗？
浏览 0提问于2018-08-08得票数 0
回答已采纳
如果我理解正确的话，当训练神经网络来识别图像中的对象时，通常会将单个像素映射到单个输入层节点。然而，有时我们可能有一个大的图景，只有很小的兴趣领域。例如，如果我们训练一个神经网络来识别交通标志，我们可能会看到交通标志只覆盖其中一小部分的图像，而剩下的则是道路、树木、天空等。创建一个神经网络，试图从每个位置找到一个交通标志似乎是非常昂贵的。
我的问题是，除了对图像进行预处理之外，还有什么特殊的策略可以用神经网络来处理这种情况呢？
谢谢。
浏览 1提问于2014-02-16得票数 3
回答已采纳
3回答
如何为CNN建立图像数据集？
、、、、
我不明白图像是如何被输入CNN的。如果我有一个包含几千张图像的目录，我需要采取哪些步骤才能将它们输入到一个神经网络(例如调整大小、灰度、标签等)？我不明白图像的标记是如何工作的。这个数据集到底是什么样子？或者你能不能一点也不看(就像一张桌子)？
浏览 0提问于2019-04-02得票数 4
5回答
我知道神经网络是如何工作的，但是如果我想将它们用于图像处理，比如实际的字符识别，我不能理解如何将图像数据输入到神经网络中。
我有一个非常大的A字母的图像。也许我应该尝试从图像中获取一些信息/规范，然后使用该规范的值的向量？它们会成为神经网络的输入吗？
谁已经做了这样的事情，你能解释一下怎么做吗？
浏览 2提问于2010-01-18得票数 37
1回答
对于语义图像分割，我知道您通常有一个包含图像的文件夹和一个包含相应蒙版的文件夹。在我的例子中，我有尺寸为(32，32，32)的灰度图像。面具自然具有相同的尺寸。标签将另存为强度值(值1=标签1，值2=标签2，依此类推)。共4个班。假设我找到了一个使用keras模型API构建的模型。我如何知道如何准备我的标签数据，以使其被模型接受？它依赖于损失函数吗？它是在模型(输入参数)中定义的吗？我只是添加另一个维度(4，32，32，32)，其中4代表4个不同的类，并对其进行一次热编码吗？ 我想构建一个用于语义分割的3D卷积神经网络，但我无法理解如何在keras中正确地输入数据。预测的输出应该是一个4通道
浏览 18提问于2019-07-04得票数 1
回答已采纳
1回答
我正在研究利用卫星图像的卷积神经网络。我想试试多尺度的问题。你能建议我如何制作多尺度数据集吗？由于CNN的输入是固定的，图像是固定的(如100×100)，那么不同尺度的图像如何才能对系统进行多尺度问题的训练。
浏览 3提问于2017-04-26得票数 1
1回答
将视觉输出映射到神经网络输入
、、、、
我对MATLAB相当陌生，但在过去的几天里，我已经熟悉了Simulink和计算机视觉。我的问题陈述涉及获取交通/高速公路视频输入，并检测是否发生了事故。
我计划通过提取质心值来绘制轨迹，速度差(帧之间)和两辆车之间的距离。我可以成功地跟踪质心，并旨在派生出其余的特征。
我不知道的是如何将这些映射到ANN。我的意思是，每个图像都有不止一个车辆斑点，这意味着在单个帧/图像中有多个质心。那么，神经网络如何同时作用于多个输入(每辆车提取的特征)？我显然没有注意到这一点。请帮我弄清楚。
另外，我是在看时间序列数据吗？
浏览 0提问于2012-09-20得票数 1
3回答
OpenCV与神经网络的结合
、、、、
我想识别车辆(汽车、自行车等)。从静态图像。我正在考虑使用、SURF、来获取有用的、关键点、和描述符，然后训练一个MLP(多层感知器)神经网络。但是，我不知道神经网络的输入是什么，它的输出是什么，这样我就可以识别出车辆所在的图像的哪一部分(可能是画在它周围的矩形)。我知道冲浪可以返回图像中有用的关键点以及它们的描述符(我已经这样做了)。关键点有角，每个键点对应于一个64或128个长向量作为描述符。我不知道的是这些关键点到底是什么，以及它们如何被用作神经网络的输入。
我使用的是OpenCV和Python。
我是新的使用冲浪和其他特征提取方法。与此相关的任何帮助都将是非常好的。
浏览 10提问于2013-01-17得票数 8
回答已采纳
2回答
新图像尺寸的传递学习
、、、
转移学习:将经过训练的神经网络用于新的分类任务。
当我们想要用卷积神经网络进行传递学习时，我们不需要使用与训练所用的图像大小相同的图像大小。但如果我们改变输入的大小，我们将不得不重新训练完全连接的层。见这篇文章是关于堆栈溢出的。
我不明白为什么改变输入形状不会影响卷积层的重量和为什么它会影响完全连接的层权重。
如果我的问题听不懂，请告诉我。
浏览 0提问于2019-08-16得票数 1
回答已采纳
4回答
这两个任务是卷积神经网络的流行应用。然而，我不明白其中的区别。根据Caffe的一个教程，物体检测的任务似乎更难。
物体检测是否定义了物体在图像中的位置，或者显示了图片中有多少物体...？
浏览 3提问于2015-07-31得票数 10
1回答
CNN检测梯度变化？(深度图)
、、、、
我有一个问题，我试图找出渐变在深度地图，而忽略噪音和伪影。我用这个来检测可驱动表面的“下垂”，这些表面大部分都是在边缘出现的。在彩色图像中很难检测到这些边缘，因为边缘的两边可以有相同的表面，而且，边缘的样式、颜色和方向在不同的位置可能有很大的差异：
因此，决定使用深度地图。
虽然深度的变化可以用一个相当简单的算法来完成，但是忽略(或者至少是识别)噪声和工件是非常困难的。我目前的方法是简单地将图像移动几个像素，然后将其从自身减去，以揭示梯度的快速变化：。
在图像中出现噪声之前，这种方法工作得很好：
经过一些研究，我认为最可靠的检测方法是使用卷积神经网络(CNN)。我在过去有
浏览 3提问于2020-09-30得票数 0
神经网络的隐层位于输入层和输出层之间，接收输入数据，并应用函数从每个节点生成数据，然后按下一层进行加权。
例如，我看到它解释的方式是预测图像是否是总线，节点了解是否有车轮、轮胎等，或者预测一个人是否喜欢文档，隐藏层节点映射到主题是否是运动、历史等等。
然而，隐藏层节点应用的“函数”，它们到底映射到什么，即因变量是什么？模型是输入的输出变量吗？例如，如果我试图预测给出的图像是否是狗或猫的图像，那么隐藏层是否将输入数据映射到输出变量(狗或猫)？隐藏层究竟如何学习有用的特性？节点如何学习不同的特性而不是相同的特性？
浏览 0提问于2019-05-19得票数 2
1回答
我有三张不同物体的图片:一部智能手机，一件衬衫和一包意大利面。我想在包含这些对象之一的任何图像上执行每个对象的识别。例如，如果我们在一张图片中有相同的手机，我希望能够看到在这张图片中绘制了有界方框的手机。如果电话不同，则不应绘制任何内容。
我首先尝试使用像Mask R-CNN和python和tensorflow这样的神经网络来执行对象识别。但我意识到我没有一个庞大的训练数据集，只有我的3张图像。神经网络算法似乎适用于识别狗、智能手机、景观等概念，但不能识别特定的狗、特定的智能手机或特定的景观。
为了切中要害，如果我输入了任何包含相同智能手机、相同衬衫或相同包意大利面的图片，我希望程序能够检测到
浏览 4提问于2020-04-15得票数 0
1回答
基于聚类算法的前馈神经网络图像分割。
我知道机器学习算法。(哪个算法是什么)
我想知道下面这一行意味着什么。Best就是一个例子。我想知道一个人将如何通过这个项目？
浏览 1提问于2017-03-29得票数 0
2回答
我正在尝试用theano编写的神经网络来构建一个人脸检测系统。我有点困惑，不知道应该根据什么来计算交叉效应的预期输出。我不想知道人脸是否存在，我需要在图像中突出显示人脸(找到人脸的位置)。图像的大小是恒定的。但图像中人脸的大小不是。我该怎么做呢？另外，我的摄像头目前可以捕捉到480x640的图像。在输入层中创建如此多的神经元对系统来说是非常繁重的，如何在不丢失任何特征的情况下压缩图像？
浏览 6提问于2015-12-25得票数 1
2回答
应用神经网络进行图像识别
、、、、
在对图像进行精巧的边缘检测之后，神经网络是如何进行图像识别的？我不是在寻找代码，我想知道神经网络实际上是如何工作的，以便从一组图像中匹配图像的相似性。
在输入层、隐藏层等方面应该考虑什么？
浏览 0提问于2016-05-19得票数 0
3回答
我正在用神经网络对字母和数字进行简单的识别。到目前为止，我使用字母图像的每个像素作为网络的输入。不用说，这种方法产生了非常大的网络。因此，我想从我的图像中提取特征，并将它们用作NNs的输入。我的第一个问题是，字母的哪些属性有利于识别它们。第二个问题是如何将这些特征表示为神经网络的输入。例如，我可能已经检测到字母中的所有角，并将它们作为(x，y)点的向量。如何将这个向量转换成适合NN的东西(因为不同字母的向量大小可能不同)。
浏览 1提问于2012-07-11得票数 7
回答已采纳
2回答
我想知道将图像转换为灰度是否是所有图像预处理技术的必要步骤。我正在使用神经网络进行人脸识别。是否真的有必要将其转换为灰度，或者我是否可以将彩色图像也作为神经网络的输入？
浏览 1提问于2013-12-09得票数 5
我正试着去理解(和想象)一个时代对于培养一个神经网络来说到底是什么。
我们有一套训练集，包括7,000种产品，其中有10种特征(输入)。根据这10种输入，这些产品必须分为7类。
我们的人工神经网络有10个输入，进入一个由10个神经元组成的输入层。这些神经元依次进入一个有8个神经元的隐藏层。输出层有7个神经元。
在这种情况下，我如何想象/理解一个时代？
sidenote:我正在用MATLAB写这个(我知道ANN工具箱)
浏览 5提问于2014-09-17得票数 5
回答已采纳
我已经使用前馈神经网络训练了古代硬币图像。现在，我想使用经过训练的网络来测试图像。我这样做了：
load net.mat;
load Features.mat; %this is the test image's features file
testInputs = features_set';
out = sim(net,testInputs);
[dummy, I]=max(out);
if (I == 1)
h = msgbox('type 1','Description','none');
elseif (I =
浏览 1提问于2011-04-14得票数 1
回答已采纳
在尝试赋值时，我发现输入图像的形状是(600,64,64,3)。我以为3代表频道的数量，但它被列为第四维度。这是什么意思？这是针对卷积神经网络的。
浏览 0提问于2020-07-06得票数 0
回答已采纳
我有六个输入，一个隐藏层和两个输出节点(1；0)的前馈神经网络。该神经网络是通过0;1值学习的。当应用模型时，有创建的变量置信度(0)和置信度( 1 )，其中每行这两个数字的总和是1。我的问题是:这两个数字(置信度(0)和置信度(1))到底是什么意思？这两个数字是概率吗？
感谢您的回答
浏览 0提问于2012-08-08得票数 1
1回答
我有自己的图像数据集，并使用Mask-R-CNN进行训练。在这里，您可以将数据集分为训练、验证和测试。 我想知道验证和测试之间的区别。我知道，验证通常用于在每个时期之后查看NN的质量。在此基础上，你可以看到神经网络有多好，以及是否发生了过拟合。但我想知道神经网络是否基于验证集进行学习。 基于训练集，神经网络在每幅图像之后学习，并调整每个神经元以减少损失。在神经网络完成学习后，我们使用测试集来查看我们的神经网络对于新的未见过的图像有多好。 但是在基于验证集的Mask-R-CNN中到底发生了什么？验证集是否仅用于查看结果？或者会根据验证结果调整一些参数，以避免过度拟合？即使是这种情况，验证集对参
浏览 68提问于2019-04-16得票数 0
回答已采纳
2回答
我是TensorFlow的新手。
目前，我正在TensorFlow网站上测试一些分类的例子“卷积神经网络”，它解释了如何将输入图像分类到预定义的类中，但问题是:我不知道如何在同一张图像中定位多个对象。例如，我有一个包含一只猫和一只狗的输入图像，我希望我的图形在输出中显示这两个图像中都有“一只猫和一只狗”。
浏览 0提问于2017-02-21得票数 16
我一直在读关于tensorflow将神经网络从浮点数转换为8位值的文章。阅读他们的存储库中的矩阵乘法代码似乎表明他们使用的是8位整数，而不是他们的文档可能已经指出的固定浮点。
我想要了解它到底是如何执行转换的。根据我所读到的，我猜测它将权重从0扩展到255。例如，如果我们正在讨论范围从0到255的输入图像上的卷积。然后，卷积的结果将是32位整数，然后使用输出的最小和最大统计信息将其缩放回0到255。对吗？
如果是这样的话，为什么会这样呢？
我检查了他们的代码的存储库
浏览 1提问于2018-06-08得票数 0
2回答
嘿，我一直在尝试用Java语言创建一个关于神经网络的程序，它将用于字符识别。我们希望使用之前存储的所有26个字符的位图图像。问题是将输入字符分解为可变尺寸的网格格式，以便我们可以将其重叠在预先创建的位图图像上。
到目前为止，我还没有得到任何关于这个问题的信息。
浏览 2提问于2011-03-23得票数 0
我有一个ML模型，它需要X秒才能检测到在训练对象的图像中的对象。这是否意味着在每幅图像的训练过程中至少要花费X或X+Y几秒钟？，您能提供详细的见解吗？
例如，假设SSD512模型在硬件平台上的训练速度为每秒30幅图像，这是否意味着我能够达到至少(如果不是超过)每秒30幅图像的推理速度？
这个问题并不局限于神经网络模型。一般的洞察力是值得赞赏的。在我的情况下，我正在处理级联分类器。我正在加载一个经过cascade.xml训练的模型来检测一个对象。我想知道训练图像所需的时间和加载训练模型后检测对象所需的时间之间的关系。
浏览 4提问于2017-12-16得票数 0
3回答
假设我有一种方法或其他神经网络可以正确地对图像进行模式检测。在图像中有多个模式的情况下，我应该如何设计神经网络？
假设在一幅图像中，有X个模式需要检测，那么最好的方法是什么？AFAIK输出层神经元的值应该是-1,1。我如何知道是否有X个识别的模式？这是否意味着我必须对它可以识别的模式数量设置硬编码限制(因为输出神经元的数量是固定的)？
浏览 2提问于2011-01-06得票数 2
我对神经网络很陌生，但我对线性代数和卷积的数学有很好的理解。
我试图理解我在网络上的不同地方找到的示例代码，以便用MNIST数据训练Keras卷积神经网络来识别数字。我的期望是，当我创建一个卷积层时，我必须指定一个或多个过滤器来应用于输入。但我发现的三个样本都创造了这样一个卷积层：
model.add(Convolution2D(nb_filter = 32, nb_row = 3, nb_col = 3,
border_mode='valid',
input_shape=input
浏览 0提问于2017-01-23得票数 35
回答已采纳
1回答
为卷积神经网络增加输入背景？
、、、、
我试着用YOLOv2训练一个神经网络来识别电子游戏中的字符和物体。对于输入数据，我从不同的角度拍摄了游戏中资产的屏幕截图。然而，在这些角色模型中没有背景--只有模型本身。当然，在游戏中，角色背后会有背景。
这会把神经网络搞混吗？如果是这样的话，我应该继续从游戏中找到一些背景图像样本并将它们随机地应用到输入数据中吗？
浏览 1提问于2018-06-22得票数 0
回答已采纳
3回答
我得到了一个与rgb频道的图像。我只想看看那个人的脸。我该怎么做？神经网络是用来做这个的吗？如果是这样的话，是否有来自神经网络的现有数据文件已经完成了处理？
浏览 4提问于2013-10-04得票数 5
回答已采纳
我需要设计一个标记图像，应该由神经网络检测。我知道，仅仅检测图像并不是一项复杂的任务，这可以单独使用OpenCV来完成。然而，探测器-但这也应该在纯可见性条件下也能工作(弱光，离焦，磨损/部分受损，只造成图像的很小一部分，等等)。标记图像周围的背景只是真实的世界，很难预测它会出现在哪里。
什么样的图像是神经网络最容易处理的？最重要
它应该有强烈的对比，如字母，道路标志或颜色渐变可能会更好？
重复图案(像雪佛龙框架周围)作为对象的一部分会有帮助，还是更好地使标签的每一个部分唯一？
我知道神经网络大多习惯于“真实世界”的图像，如人和马，但我不确定它们是更好的物体，还是只是让它们被识别更令人印象深刻
浏览 0提问于2020-06-12得票数 2
2回答
我正在做一个检测癌症的项目，我正在使用深度学习(卷积神经网络)。在用户界面中，用户只需输入图像编号，然后单击“测试”。
当用户输入图像号“数据集中的图像编号”时，它将判断这是否是癌症患者的扫描图像。此外，数据集还用于训练模型。
我想画一个用例图。主要参与者将是用户，但次要角色又如何呢？会是数据集吗？
浏览 0提问于2020-06-01得票数 0
3回答
语义切分只是一种拼凑，还是“语义切分”和“切分”之间的区别？“场景标记”和“场景解析”有什么区别吗？
像素级和像素级分割的区别是什么？
(旁白:当您有这种像素级注释时，您是免费获得对象检测，还是仍然有什么可做的？)
请给出你的定义的来源。
使用“语义分段”的源
乔纳森·朗，埃文·谢哈默，特雷弗·达雷尔：。CVPR，2015年和PAMI，2016年
Hong，Seunghoon，Hyeonwoo Noh和Bohyung Han：“用于半监督语义分割的解耦深神经网络”，，2015年。
V. Lempitsky，A. Vedaldi和A. Zisserman:一种用于语义分割的塔架模型。
浏览 9提问于2015-11-26得票数 105
回答已采纳
1回答
我当时正在读AlexNet的论文(即“用深层卷积神经网络进行ImageNet分类”)。引言部分将“统计的平稳性”和“像素相依的局部性”作为卷积神经网络的两个强有力的假设。我知道后者指的是图像中局部模式的存在，但“统计平稳性”的含义是什么？
浏览 1提问于2018-12-08得票数 2
2回答
亚历克斯网的输入大小是多少？
、、、、
本文采用深度卷积神经网络进行ImageNet分类，输入图像大小为224x224。下图显示输入大小。
📷
从caffe中，来自deploy.prototxt目录的bvlc_alexnet文件显示输入大小为227x227。
📷
为什么输入的大小不同？
浏览 0提问于2018-03-19得票数 8
回答已采纳
2回答
我正在使用在线数据增强图像，我输入到我的卷积神经网络。为此，我将使用Keras ImageDataGenerator。对每批图像进行增强，然后在这些图像上对模型进行训练。
我在比较不同的模型，但是由于图像是动态增强的，这真的公平吗，因为每个模型得到的图像略有不同？
浏览 3提问于2018-06-28得票数 2
回答已采纳
1回答
我有一个用MNIST训练的deeplearning4j神经网络(NN)，用来识别图像上的数字。由于MNIST集包含28x28像素的图像，因此我能够使用此神经网络预测28x28图像的类别。
我正在尝试找出如何将此神经网络应用于手写页面的图片？如何将图像中的文本转换为实际的文本(OCR)？基本上，需要什么样的预处理，以及如何找出图像中文本所在的部分？如何派生图像的较小部分以单独应用NN？
浏览 2提问于2021-01-31得票数 0
我正在构建一个使用OpenCV来标识对象的in androidStudio。检测是可以的，但是我不知道一个简单的文件XML如何允许我的程序员识别我的对象。我所知道的是，不知何故，OpenCV使用卷积神经网络来实现这一点，所以我有必要对CNN的训练进行内部参数的调整，但XML到底是什么？这个神奇的东西是怎么工作的？
浏览 14提问于2020-03-10得票数 0
回答已采纳
1回答
图像与噪声的区分
、、、、
神经网络已成功地应用于监督学习中对图像进行分类。
我目前正在研究一个不同的问题:区分显示某些东西的图像，包含一些显式顺序的图像，与那些只是白噪声的图像。我想得到一些关于图像有序程度的数值估计。
很明显，有几种方法可以做到这一点，例如，PNG压缩图像并查看它缩小了多少。(纯噪声是不可压缩的。)但我现在对用神经网络做这件事很感兴趣。在我看来，使用某种自动编码器，使用无监督的学习是可以做到这一点的。
这是已经做过的事吗？理想情况下使用PyTorch，但我很乐意考虑使用任何语言和框架的解决方案。
浏览 2提问于2020-11-20得票数 0
回答已采纳
4回答
我读了一篇关于卷积神经网络的文章，我发现了一些我不明白的东西，那就是：
过滤器必须有与输入图像相同的通道数，这样才能进行按元素方向的乘法。
现在，我不明白的是:什么是卷积神经网络中的通道？我试着寻找答案，但还不明白是什么。
有人能给我解释一下吗？
提前谢谢。
浏览 0提问于2019-12-05得票数 22
回答已采纳
我正在尝试实现一个简单的计算图框架，并使用简单的神经网络对其进行测试，主要是通过向TensorFlow学习。现在我想弄清楚TensorFlow是如何处理无形状张量的。
在中，X有shape [None, n_input]，weights['h1']有shape [n_input, n_hidden_1]，biases['b1']有shape [n_hidden_1]。当它尝试这样做的时候：layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])，tf.matmul(x,
浏览 0提问于2017-09-24得票数 1
1回答
我想问你一个关于图像分类的问题。实际上，我正在制作一个图像分类器，我正在使用卷积神经网络，并使用keras和tensorflow作为后端。我的问题是如何识别图像中的多个对象。我尝试过使用激活函数、sigmoid和loss - binary_crossentropy的卷积神经网络，但我对此并不满意。
浏览 33提问于2017-12-13得票数 2
回答已采纳
1回答
我的项目是识别古代硬币。我使用了David Lowe的SIFT算法来提取图像的特征。
[siftImage, descriptors, locs] = sift(filteredImg);
现在，我想将这些特征提供给神经网络来训练图像。
1)我应该将什么值作为输入提供给神经网络？(描述符向量或locs) 2)如何将其用于神经网络？
有人能帮帮我吗？在此之前非常感谢。
浏览 1提问于2011-04-07得票数 1
2回答
提前感谢您阅读本文。
因此，我正在尝试编写一个神经网络来识别图像中的特定徽标。我基本上有一个特定纵横比的滑动窗口，它会将当前窗口缩放到输入的预期大小。该窗口将输入输入到网络中，并查看输出以确定窗口中的内容是否是我正在寻找的徽标。在这种情况下，它将在窗口边缘绘制一个框，勾勒出徽标的轮廓。
我的问题在于，神经网络报告的图像其他部分的置信度太高，最终会在各处绘制如此多的方框，以至于不可能看到原始图像的大部分。所以很明显，神经网络出了问题。
为了输入图像，我尝试将其展开为灰度和彩色。这两种方式都不起作用。我也尝试过不同的输入大小。当它开始变得太小时，它会变得更糟，但即使在57x22x3彩色展开的输入，
浏览 0提问于2012-12-18得票数 0
1回答
我在很多报纸上读到过，提到粗到细是深度学习的一种技巧，但我永远也搞不懂它们到底是什么意思。这是否与多尺度推理有关，即它们使用粗、细输入图像？
浏览 0提问于2019-03-25得票数 2
回答已采纳
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
