腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
视频
沙龙
1
回答
卷积神经网络为什么适合图像处理?
卷积神经网络为什么适合图像处理?
浏览 237
提问于2022-09-08
1
回答
有一种方法可以直接从我的桌面读取卷积神经网络的图像吗?
、
、
、
、
我在用谷歌公司的网络训练一个卷积神经网络。我的数据(图像)存储在Google中,我能够正确地使用它。然而,有时读取图像的过程太慢,不能工作(其他时候,过程更快,我没有问题读取图像)。为了读取Google中的图像,我使用: from google.colab import drive drive.mount('/content/drive') !unzip -u "/content/drive/My Drive/the folder/files.zip" IMAGE_PATH = '/content/drive/My Drive/the folde
浏览 4
提问于2021-07-14
得票数 0
1
回答
Conv2D与深度Conv2D计算
、
、
我正在尝试理解2D卷积神经网络和2D深度卷积神经网络在计算方面的异同。(我理解这些概念)。 例如,假设有一个3x3的输入图像,具有3个通道(RGB),填充为1,步长为1。滤波器为2x2。 输出是什么?(可以忽略激活和偏差) 我知道普通的conv2D会有13x3的输出,而dw conv2D会有3。除此之外,我有点困惑。谢谢
浏览 0
提问于2019-06-10
得票数 4
1
回答
将同一对象的多幅图像输入神经网络进行目标检测的方法
、
、
、
、
我在考虑一个玩具项目,它使用神经网络来识别物体。我的一些对象是非常相似的,当从一个特定的角度来看,但很容易区分时,从一个不同的角度。因此,我的问题是: 将同一对象的多个图像传送到网络中的方法是什么?或者哪种网络体系结构可以利用不同角度拍摄的多幅图像? 我对机器学习技术有很好的理解,但只对神经网络有基本的理解。所以我在这里寻找的是与谷歌搜索相关的方法、技术和其他术语的名称,以及可能感兴趣的特定论文或文章的链接。
浏览 4
提问于2017-05-24
得票数 4
回答已采纳
1
回答
如何解释此Inceptionv3模型图
、
、
、
、
我很抱歉,如果这个问题对你们来说非常明显或者非常基础,我只是一个高中生,试图理解神经网络。嘿,我已经研究了很多关于图像分类的问题,我在解释Inception-v3模型时遇到了这个问题: 我不习惯这些类型的插图,有人可以通过每个矩形的含义,以及为什么模型没有看起来像典型的神经网络插图的层,具有不同的层,例如:
浏览 0
提问于2018-07-24
得票数 3
1
回答
“统计的静态性”和“像素依赖性的局部性”
、
我正在阅读Krizhevsky等人的基于深度卷积神经网络的ImageNet分类论文,并在Intro段落中看到了以下几条线: 它们(卷积神经网络)的容量可以通过改变它们的深度和宽度来控制,它们还对图像的性质(即统计量的平稳性和像素相依的局部性)作出了很强且大多数是正确的假设。因此,与具有类似尺寸层的标准前馈神经网络相比,CNN的连接和参数要少得多,因此它们更易于训练,而理论上最好的性能可能只是稍微差一些。 什么是“统计的平稳性”和“像素依赖性的局部性”?另外,CNN理论上最好的表现仅仅比前馈神经网络差一些,这有什么根据呢?
浏览 0
提问于2019-07-30
得票数 0
回答已采纳
1
回答
3d内核和3d图像(比方说RGB)的矩阵乘法是如何产生2d输出的?
、
、
、
、
我一直在研究卷积神经网络结构。我对3d内核在3d输入图像上起作用的部分感到非常困惑(好吧,假设我们有这些图像的堆栈,那么它是4d的,但只是为了让解释更容易一些)。我知道互联网上到处都是这样的东西。但是我找不到矩阵乘法部分的确切答案。 为了让大家更容易理解,谁能给我展示一下(5,5,3)矩阵(我们的内核)在(28,28,3)矩阵(我们的RGB图像)上的实际乘法,输出一个二维数组。 另外,请(用详细的图片)展示这些数量众多的2d阵列是如何被扁平化并连接到单个完全连接的层的。 我知道,池化二维阵列的最后一层是扁平化的。但是,由于有64个二维数组(只要考虑一下),..因此,即使我们扁平化每一个,我们
浏览 44
提问于2019-04-29
得票数 1
1
回答
为什么卷积网络对图像如此有效?
卷积人工神经网络工作良好,尤其是图像。为什么?
浏览 0
提问于2017-07-22
得票数 2
回答已采纳
1
回答
全卷积变分自编码器
、
、
、
我想做一个神经网络,它使用黑白图像作为输入,并输出它的彩色版本。在这个过程中,重要的是图像的大小必须保持不变。 通常,这是通过使用完全卷积网络与GAN或AE architecture。现在我决定实现一个VAE版本,但是当我在互联网上查找它时,我发现了潜在空间是线性/密集的版本,这意味着它破坏了整个卷积。 对于这类神经网络,VAE不是一种有效的方法吗?或者有人可以提供解决方案/代码来帮助这种情况?(Pytorch更喜欢)
浏览 0
提问于2019-08-17
得票数 1
1
回答
利用神经网络从图像中提取多个参数
、
、
我想用神经网络从图像中提取参数。 示例: 给出砖墙的图像,神经网络应该提取砖块的宽度、高度、颜色和粗糙度。 我可以为给定的参数生成图像来训练神经网络,并希望利用它从实际的图像中提取参数。 我查过CNN了。我能和他们一起执行这个任务吗?我是否需要特殊的学习算法来提取多个参数而不是分类?是否有专门为此类任务设计的NNs?
浏览 0
提问于2016-06-13
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
1
回答
CNN模型所使用的哪些功能应该被功能存储在实际中?
、
、
、
、
根据MLOPs原理,建议使用特征存储。问题在于如何利用卷积神经网络这样的深度学习模型进行图像分类,该模型作为训练过程的一部分进行自动特征工程(使用卷积层)。 问题 对于纯图像分类/分割模型,有一个特征存储有意义吗? 哪些特性应该存储在功能存储中?卷积层的输出?但是在训练过程中,它们不能被重用,因为在训练过程中,它们会被卷积层重建。
浏览 0
提问于2021-02-09
得票数 0
1
回答
如何实现谷歌的神经网络的图像识别?
、
、
我有一本回忆录要写,主要的主题是比较Google的图像识别深度学习算法和我的老师用增量神经网络创建我自己的(基于我的老师)的算法,并建立一个基准。 有人能给我一些资源,让我了解更多关于Google深层学习神经网络在图像识别中的实现吗?
浏览 6
提问于2017-05-17
得票数 0
回答已采纳
1
回答
CNN中的卷积与互相关
、
、
在卷积神经网络中使用卷积和互相关运算的直觉是什么?我有兴趣将数字图像处理的理论结合起来,其中定义了这些2x操作,以及CNN。有人能帮我把这些点联系起来吗?
浏览 0
提问于2018-10-31
得票数 7
回答已采纳
4
回答
CNN的频道是什么?
、
、
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
1
回答
从展平的张量/数值数组中获取原始图像
、
、
、
在卷积神经网络中,我们可以从第一个平面层获得原始图像矩阵(即输入层)吗?根据我的初步理解,找回图像是不可能的,但有没有办法呢?
浏览 19
提问于2020-07-20
得票数 0
1
回答
什么样的神经网络结构适合于图像的图像学习?
、
、
、
、
从输入图像到输出图像存在映射。假设输入图像是一张纸,中间有一个方形的孔,输出图像是当光线照射在纸上时输入图像的阴影,它看起来也像一个正方形,但有一些模糊和大小不同。(实际的模式要比这个正方形的洞复杂得多)我正在尝试实现一个神经网络,它可以学习这种映射,当给定输入图像时,网络可以预测输入图像的“阴影”。我尝试使用一个卷积的自动编码器结构(如这个https://blog.keras.io/building-autoencoders-in-keras.html),将目标图像从输入图像替换为self到输出图像训练集。但看起来不太好用。我想知道什么样的神经网络适合这个任务?什么样的损失函数是合适的?
浏览 0
提问于2018-04-23
得票数 2
2
回答
卷积神经网络
、
、
、
这种对卷积神经网络的直观理解是否正确: 1.卷积基本上匹配图像的局部部分与卷积核/滤波器的相似程度。2.核/滤波器就像一个特征检测器。重要的是,它是学习的,并通过SGD自动修改和优化。
浏览 5
提问于2016-08-24
得票数 1
回答已采纳
1
回答
反褶积与亚像素卷积
、
、
我最近读过史文哲等人的“基于高效亚像素卷积神经网络的实时单图像和视频超分辨率”。我不明白反褶积(在第2.1节中提到)和有效的亚像素卷积层(简称ESCL)之间的区别(2.2节)。 第2.2节将ESCL定义为执行具有分数步长的卷积。这不就是反褶积吗?为何要作出区分呢? 谢谢
浏览 0
提问于2017-12-15
得票数 4
1
回答
如何才能给我的卷积神经网络工作的通道数和没有高度和宽度?
、
、
你好,我对深造社区有点陌生,我已经厌倦了如何通过神经网络来输入数据。所以我在做哨兵比目鱼系列,我在学习对流网。他正在使用微软在kaggle上的猫狗数据集。他将图像大小调整为50乘50,并将其转换为灰度。如果你想看视频来回答我的问题,那就是- 所以在看视频的时候,我脑海里浮现出一些想法。他传递的输入只是图像的颜色通道- 一看到他输入的信息,我就想起了,为什么他只通过通道的数目,这是一幅灰度图像。当一个conv2d接受3个输入时。 而且我的意思是,它在理论上是可行的。我试着研究了一下,但是没有找到一个很好的解释输入形状的方法。 所以我有两个想法和问题- 因此,这条线是否意味着
浏览 1
提问于2019-11-18
得票数 2
回答已采纳
1
回答
具有动态输入形状的CNN
、
、
、
、
大家好! 由于我试图制作一个完全卷积的神经网络,将灰度图像转换为rgb图像,我想知道是否可以在不同大小的图像(不同的像素和比率)上训练和测试模型。通常情况下,你只会降低样本或高样本,这是我不想做的。我听说,如果我使用完全卷积神经网络,这是可能的,但我仍然不知道代码会是什么样子。你能帮我弄点密码吗? ,为什么这是个问题? 就像我说的,输入的图像不应该被降采样,因为我没有分类任何东西。我想要生成一个与输入图像大小相同的新图像。所以不应该有任何损失。 固定输入形状的代码: model = models.Sequential() model.add(layers.Conv2D(32, (3, 3),
浏览 0
提问于2019-04-19
得票数 1
回答已采纳
2
回答
神经网络结构图像的生成
、
、
许多论文使用了非常好的神经网络图像。我也喜欢为我正在撰写的一份报告创建这样一个形象。 例如: V. Badrinarayanan等人的"SegNet:一种用于图像分割的深层卷积编码器-解码结构“,第4页。 我的问题是:哪种工具可以用来创建这样的图像?特别是卷积矩形看起来很漂亮。 非常感谢
浏览 3
提问于2016-11-15
得票数 11
回答已采纳
1
回答
如何找到网络的输出大小?
、
、
神经网络中卷积层的输入是一幅大小为128\times 128\times 3.的图像。 采用了尺寸为40的5\times 5卷积滤波器。你能得到输出吗?如果不是,那为什么不呢?如果是,输出的大小是多少?
浏览 0
提问于2019-02-19
得票数 0
1
回答
张量的形状对图像的输出有影响吗?
、
、
我将大小为100 or的图像表示为100 or,因此我可以拥有形状(None, 100, 100, 3)或形状(None, 10000, 3)。 我找不到任何明确的解释谷歌,然而,以下两个张量会导致类似的结果吗? (None, 100, 100, 3) (None, 10000, 3) 我假设这两种方法都足够了,就像我想的那样,神经网络仍然能很好地学习,如果图像是在一排,你的想法呢?
浏览 1
提问于2019-03-21
得票数 0
回答已采纳
1
回答
RCNN预测图像序列(视频帧)?
、
、
、
在随后的工作中,作者应用卷积递归神经网络(RNN)来预测二维图像序列表示的微结构的时空演化。特别是,他们应用某种3D-CNN和LSTM体系结构来预测晶体的生长: 📷 在上面的图片中,我们可以从一个测试用例中看到RNN预测(P)和地面真相(G),其中RNN基于10个输入帧输出50帧。 现在,这对我来说是新的东西: RCNN如何能够生成图像作为输出?根据我(有限的)知识,唯一能够在输出中生成新图像的结构是生成对抗性网络,如GANs和卷积编解码神经网络(如VAE),但显然作者通过将3D-Conv和RNN单元叠加在一起来实现这些结果。 你见过这种架构吗?
浏览 0
提问于2022-01-18
得票数 2
回答已采纳
1
回答
在Google Coral Devboard和Jetson Nano中使用我自己构建的卷积神经网络分类器
、
、
、
、
我读了很多关于Jetson Nano和Google Coral Devboard的文章,在我读过的大多数文档和论文中,推断和部署都是使用预先构建的卷积神经网络来完成的,例如AlexNet,Inception,MobileNet和其他用于图像分类的神经网络。据我所知,这些微型计算机需要将神经网络转换为tensorflow模型或任何它们接受的框架,以执行模型的推断。 我想知道的是:对于Jetson Nano和Google Coral Devboard,我是否可以拥有与文档中举例说明的卷积神经网络无关的卷积神经网络,并将其部署到这些板上?
浏览 20
提问于2020-12-24
得票数 1
回答已采纳
3
回答
为什么卷积神经网络的输入总是平方的图像?
、
、
我已经用CNN做了一段时间的深度学习,我意识到模型的输入总是正方形的图像。 我发现无论是卷积运算还是神经网络架构本身都不需要这样的属性。 那么,这是什么原因呢?
浏览 3
提问于2016-08-16
得票数 7
1
回答
图像识别用预训练卷积神经网络的硬件要求
、
、
我知道,为了训练一个用于图像识别的深层神经网络,需要一个好的GPU或GPU,因为它们比CPU更适合这个任务。这是很清楚的,有许多不同的教程使用不同的库如何做到这一点。 然而,当我训练了我的深层神经网络时,在服务器上的某个web应用程序中,运行经过训练的深层神经网络来识别图像的硬件要求是什么?我的钢铁需要服务器上强大的GPU吗?什么硬件对运行预先训练过的深层神经网络- RAM、CPU、存储器来说更重要? 我能在Android应用上运行经过预先训练的网络来进行图像识别吗?是个好主意吗? 对不起,如果我的问题太含糊和宽泛,但我找不到任何适当和详细的评论,这一主题。
浏览 1
提问于2018-06-27
得票数 0
回答已采纳
4
回答
如何度量CNNs中各层的执行时间
在用于图像分类的卷积神经网络体系结构(例如,VGG或AlexNet)中,我想比较在测试时间内进行前向传递(最好使用Caffe)时,计算网络每一层的结果所需的时间。 特别是,我感兴趣的是在卷积层和完全连接层上花费了多少时间。
浏览 26
提问于2016-08-18
得票数 2
1
回答
了解卷积神经网络中的权重共享是什么
、
、
我目前正在尝试理解在卷积神经网络中权重共享到底是什么。 据我所知,CNN最初被引入是为了减少连接输入和输出所需的连接数量,假设输入有3个维度。 按照这个逻辑,卷积减少了这些维度中的一个,并将卷积图像连接到输出神经元,这对我来说是有意义的。 连接卷积图像和输出的权重是否是不共享的权重?如果不是,那么没有共享的权重是什么? 或者,如果是反向传播,则将其视为一个权重,并将其作为一个单元进行更新? 下面是我认为的体重分担的一个例子:
浏览 1
提问于2017-05-09
得票数 1
3
回答
反褶积层中的滤波器与卷积中的滤波器相同吗?
我试图了解卷积神经网络在图像分割问题中的反褶积是如何工作的。我见过这样的定义: 用于反褶积的滤波器就是卷积矩阵的转置。 📷 这是否意味着卷积层和反褶积层共享相同的滤波器?我们是否为反褶积层训练一组单独的滤波器?
浏览 0
提问于2018-10-03
得票数 2
1
回答
您能否将强化学习添加到卷积神经网络中以改进图像分类?
、
、
我对机器和深度学习非常陌生。我的疑问是,如何将强化学习添加到使用传统神经网络开发的图像分类器中,以随着时间的推移提高其性能?
浏览 23
提问于2020-05-10
得票数 0
1
回答
如何修正CNN的过滤器和内核大小?
、
、
、
、
我从一个信号中创建了4 x 4 2d图像。现在,我想把这些数据输入到卷积神经网络中。如何为这个小的、形状和大小的数据集( filter, Kernel Size )选择D1的节点。我应该使用最大池层吗? 注:我已经为这个数据集实现了一个模型,精度是78.125%。模型是, 📷
浏览 0
提问于2020-11-23
得票数 0
1
回答
重用神经网络
、
、
、
我对神经网络非常陌生,但对于我的一个项目来说,它们似乎很合适。最终,该应用程序应该可以在Android手机上运行。我的想法是使用TenserFlow,但我不确定它是否合适。 我有以下情况,我的输入是一组图像(它们的顺序不应该对输出有任何影响)。集合的大小不是固定的,但在大多数情况下小于10。我对整个集合的输出只是一个二进制分类(通过/失败)。 我将有一个卷积神经网络,它计算两个输出,一个权重和一个通过/失败的值。每个图像分别提供给这个CNN,然后使用加权算术平均值将结果值聚合为最终的通过/失败值。 我的问题是,我能用TensorFlow训练这样的网络吗? 我的训练数据中没有CNN输出的值,只有
浏览 10
提问于2016-08-17
得票数 1
回答已采纳
1
回答
卷积神经网络用于非图像应用?
、
、
、
如果我没记错的话,卷积神经网络(CNN)首先被开发用于图像分类(参见LeCun等人的工作)。 在输入图像上“滑动”的卷积过程确实有助于检测某些特征。 问题:你有成功应用CNN处理非图像数据的例子吗?
浏览 0
提问于2018-11-23
得票数 4
回答已采纳
1
回答
多类神经网络
、
、
、
、
这可能是一个错误的问题,或者是什么东西,所以请随意纠正我:)。 我已经研究神经网络好几周了。我偶然发现了使用神经网络的多类分类模型。 📷 正如我们在这张图中所看到的,模型允许您将输入分类为不同的类。但这也假设您的输入总是使用相同的数字特性,对吗?这意味着,如果我想识别手写数字,我应该有相同维数的图像(例如24x24),这样我就可以使用相同数量的特性(在本例中是24x24=576)。但是,如果一个类,例如6号,需要不同数量的特征(比如手写数字6的尺寸是30×30像素),该怎么办? 我知道这样做的逻辑方法是有两个不同的神经网络,但有没有办法同时训练一个多类别的分类模型,其中输入可能使用不同的特征?
浏览 0
提问于2018-10-26
得票数 1
回答已采纳
3
回答
为什么在卷积神经网络中需要卷积而不是体积来进行图像识别?
、
、
、
、
在卷积神经网络中,我们用维数k\times k\times 3滤波器进行三个通道(红、绿、蓝)的卷积,如图中所示: 📷 每个滤波器都由可调整的权重组成,并且可以学习检测原始特征,比如边缘。每个通道的滤波器可以是不同的:一个是R,另一个是G,另一个是B。 我的问题是:为什么每个频道都需要单独的过滤器? 如果有一个边缘,它将出现在每个频道在同一地点。唯一不正确的情况是,如果我们有纯红色、绿色或蓝色的线条,这在合成图像中是可能的,而在真实图像中则是不可能的。 对于真实图像,这三个过滤器将包含相同的信息,这意味着我们有三倍的权重,所以我们需要更多的数据来训练网络。 这个建筑是多余的还是我遗漏了什么?
浏览 0
提问于2019-09-28
得票数 0
2
回答
卷积输出
、
、
假设我们有一个5x5大小的图像和一个3x3大小的内核,上面有步幅2和填充。在通过神经网络中的卷积层之后,输出图像的大小是多少。
浏览 16
提问于2018-10-21
得票数 1
1
回答
如何用神经网络输入图像和标签进行语义实例分割?
、
、
、
、
所以我知道,对于标准的卷积神经网络,你可以给神经网络(NN)提供一个带有标签列表的文件,或者简单地按文件夹将你的类分开,但是,比如分段,我想它是不同的,对吗? 例如,使用像labelme2这样的站点,您可以对图像进行注释和分割,然后将它们与掩码文件和标签的XML文件一起下载。是否需要随后将原始图像、掩码图像和XML文件输入到实例分割NN中? 提前谢谢。
浏览 0
提问于2017-05-06
得票数 0
回答已采纳
1
回答
提取的CNN特征的类型是什么:全局还是局部特征类型,还是两者兼而有之
、
、
众所周知,局部特征描述图像内容的局部结构,而全局特征描述图像内容的整体。正处于深度学习领域的卷积神经网络本身就可以提取重要的特征,我想知道CNN提取的特征是局部特征还是全局特征,还是两者兼而有之?为什么?有没有人可以帮助我在一些分析或参考回答我的问题。谢谢。
浏览 276
提问于2019-07-11
得票数 2
2
回答
神经网络是如何处理相关图像数据的?
、
、
我是TensorFlow和深度学习的新手。我正在尝试创建一个完全连接的神经网络,用于图像处理。我有点困惑。 我们有一个图像,比如说28x28像素。这将有784个输入到NN。对于不相关的输入,这是很好的,但图像像素通常是相关的.举个例子,想想一张牛眼的照片。当我们将所有像素排列在一个阵列中,用于一个完全连接的网络时,神经网络如何理解这一点?它是如何确定相关性的?
浏览 2
提问于2016-05-31
得票数 1
回答已采纳
1
回答
在CNN中实现多通道数据的反向卷积
、
、
、
、
我一直在尝试对卷积运算有更深的理解,因为我正在实现一个卷积神经网络。但当我试图计算反向传递或反卷积时,我被卡住了。 假设输入是一个维度为3x7x7的三维RGB图像,滤波器的维度为3x3x3。在将步长设置为2进行卷积时,我们将得到尺寸3x3的输出。 现在我的问题来了。我读到过,反卷积是输出与翻转内核的卷积。但是在翻转内核时,它仍然是维度3x3x3,输出的维度是3x3。输入的维度为3x7x7。那么,如何计算反卷积呢?
浏览 3
提问于2017-10-13
得票数 1
1
回答
如何制作多尺度图像训练CNN
、
、
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
非图像数据集的卷积神经网络
、
、
、
我们能用卷积神经网络对非图像数据集进行预测吗? 数据集是学生学术细节的记录 我知道CNN主要用于计算机视觉和图像处理,用于分析视觉图像。并将其应用于文本分类的自然语言处理中。 我是新来的,请带我过去 谢谢你!!
浏览 0
提问于2019-10-23
得票数 1
回答已采纳
1
回答
组合神经网络
、
、
、
、
是否可以通过神经网络组合多种类型的数据,并反过来输出特定的数据类型? 例如,我可以输入一张图像和关于该图像的一些元数据,然后算法将输出一个数字。 我正在考虑将CNN和ANN缝合在一起。 提前感谢!
浏览 0
提问于2020-07-15
得票数 0
1
回答
将图像特征输入tensorflow进行训练
、
在Tensorflow中,是否有可能将图像特征(如SIFT特征)提供给卷积神经网络模型?我正在尝试一个的tensorflow实现,其中一个灰度图像是彩色的。图像特征会比向模型提供图像更好的选择吗?PS。我是机器学习的新手,不熟悉创建神经n/w模型。
浏览 4
提问于2017-03-28
得票数 0
回答已采纳
1
回答
卷积神经网络:学习能力与图像覆盖率
、
、
、
我看了一个CNN教程,最后他们提到了网络学习诊断过程中的学习能力和图像覆盖率。 在卷积神经网络中,这两个术语意味着什么?
浏览 0
提问于2016-11-12
得票数 1
回答已采纳
1
回答
CNN:计算输出形状
、
、
我正在实施一个深层次的神经网络结构,这是一年前发表的,以与我自己的工作进行比较。发表的神经网络将CNN作为神经网络的组成部分之一。CNN的轮廓可以看到。 总之,一维卷积是由带有2x6输入矩阵的2x6核执行的。作者从上述卷积中提取了32个特征。我已经写信给作者,但还没有收到任何关于如何提取这32个特征的答复。 如果在座的任何人能帮我弄清楚这32个输出特性是如何产生的,我将非常感激。 非常感谢。
浏览 2
提问于2022-07-02
得票数 -1
回答已采纳
1
回答
使用卷积神经网络执行回归任务
、
我正在尝试使用卷积神经网络来检测射击目标中的子弹。该图像是标准的拍摄目标。 数据集由9216张大小为96x96的图像组成,图像中的某处只有一个项目符号。我用弹孔中心的(x,y)标记每个图像。我还对图像进行了标准化。 该模型如下所示: model = Sequential() model.add(Convolution2D(32, 3, 3, input_shape=(3,96, 96))) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))
浏览 1
提问于2016-06-26
得票数 0
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
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
卷积神经网络的压缩和加速
基于卷积神经网络的图像着色
你不了解的卷积神经网络:新一代图像视频压缩技术
基于神经网络的图像压缩技术
基于卷积神经网络的火灾视频图像检测
热门
标签
更多标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
活动推荐
运营活动
广告
关闭
领券