在Python代码中，我看到提供给MobileNet的图像是224x224，而Tensorflow.js版本似乎可以处理任何大小或宽高比。对于非正方形图像，它是拉伸它们还是添加白色或透明像素来生成正方形输入，同时保持图像的纵横比？如果它确实将其拉伸为方形，那么在使用model.classify之前应该做一些图像处理吗？
对此只字不提。
浏览 7提问于2019-04-08得票数 0
1回答
卷积神经网络图像大小失真
、、、、
我有2个数据集的图像，一个是完美的正方形，所以调整到224x224的CNN不会导致任何失真，另一个数据集不是方形的，所以调整到224x224将导致图像失真。我担心模型会识别失真，而不是两组之间的真正差异。
浏览 30提问于2020-05-12得票数 0
1回答
公司提供的产品很多(大约100,000)，其中有些是非常相似的。在数据库中，每个产品只有一个映像。
公司希望使基于摄像机的产品识别和产品规格显示成为可能。用这种数据来训练新的模型，或者用现有的模型来建立新的模型，是否可能呢？
浏览 0提问于2020-01-09得票数 1
回答已采纳
1回答
使用CNN，我想拍摄一张每个像素都有3个标签注释的图像。如下所示：0,1,2,3...Object Number of given class eg, 2nd instance of cat)
换句话说，给出一张多只猫和狗的照片，CNN会输出给定的像素来自一个对象，该对象是一只猫，它属于图像中的猫的第二个实例编辑:我应该注意，我知道我最初必须用带注释的图像训练CNN，其中每个像素已经有2到3个如上所述的标签。
浏览 1提问于2017-05-15得票数 0
1回答
最后一个是1×1卷积，用于映射与输入信道数相同的信道数。因此，输入和输出有相同的通道数。它可以嵌入到不同类型的卷积神经网络中。
我想，我们决定在下一层的通道数和内核将被随机初始化。这些核形状是由我们决定的，它们是1x1或3x3等，所以，作者说1x1卷积来映射与输入one.When相同的通道数是什么意思，即使它的2x2卷积核不改变通道数。
浏览 0提问于2019-03-20得票数 0
1回答
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
利用大图像建立卷积神经网络？
、、、、
我理解为32x32x3图像绘制卷积神经网络，但我计划使用不同像素的大图像。如何将图像大小缩小到所需的大小？张量流中像素约简对精度有影响吗？
浏览 0提问于2017-07-23得票数 1
回答已采纳
1回答
在将图像输入卷积神经网络之前，我不知道需要对图像进行什么预处理。例如，我想识别1000乘1000 px照片上的圆圈。神经网络的学习过程发生在100×100 px (https://www.kaggle.com/smeschke/four-shapes/data)上。当输入图像中的圆圈比100x100PX大得多(或更小)时，我有一点困难。然后，卷积神经网络如何确定该圆，如果它是在一个不同的图像</
浏览 0提问于2020-05-12得票数 0
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
1回答
具有动态输入形状的CNN
、、、、
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？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
浏览 0提问于2019-04-19得票数 1
回答已采纳
我有一个不同分辨率的图像数据集，并使用具有固定n*n输入分辨率的回归DNN模型。当模型在图像中学习某些位置时，我一直使用零填充来匹配图像分辨率，以保持1:1的纵横比。
有更好的方法来预处理图像吗？在没有零填充的情况下，得到的结果会更糟，因此，为了避免DNN输入中物体的形状失真，保持高宽比是必要的。
浏览 0提问于2020-10-28得票数 2
2回答
Keras能处理不同大小的输入图像吗？例如，在完全卷积神经网络中，输入图像可以具有任意大小。但是，当我们通过Keras创建网络时，我们需要指定输入形状。因此，我们如何使用Keras来处理不同的输入大小而不将输入图像调整到相同的大小？谢谢你的帮助。
浏览 4提问于2016-10-02得票数 44
1回答
我正在使用CNN(卷积神经网络)进行遥感图像分类。首先将多波段遥感图像应用到图像分割算法中.
图像分割是将数字图像分割成多个片段(像素集，也称为超像素)的过程。分割的目的是简化和/或将图像的表示转换为更有意义和更易于分析的东西。图像分割通常用于定位对象和边界(线、曲线等)。在图像中。更准确地说，图像分割是为图像中的每个像素分配标签的过程，以便具有相同标签的像素共享某些特
浏览 5提问于2016-09-25得票数 0
4回答
现在我正在学习卷积神经网络。我知道可以克服这个问题(用完全卷积的神经网络等)，而且我也知道，这是由于在网络的末尾放置了完全连接的层。
但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
5回答
如果神经网络卷积层的输入是一个大小为128X128X3的图像，并对其应用了大小为5X5的40个滤波器，那么输出大小将是多少？
浏览 17提问于2018-12-02得票数 56
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。📷📷
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
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。对于这类神经网络，VAE不是一种有效的方法吗？
浏览 0提问于2019-08-17得票数 1
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
