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...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
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.
但我的问题是，如何为这些图像段设置标签，以便将调整大小的图像段放到卷积神经网络中？
浏览 5提问于2016-09-25得票数 0
1回答
我希望建立一个面部识别系统，并意识到我很可能通过第一次裁剪人脸来提高精度。我知道我可以使用Haar Cascade分类器来完成这个任务，但是我更愿意使用一种深入学习的方法，因为这是我目前关注的领域。要做到这一点，我是否只是创建一个CNN，输入是一个图像，输出是X，Y，宽度，高度？或者还有更多？我已经尝试过这种方法与亚当优化器和大约600张图片，但结果不是很好。关于如何改进这个问题，有什么建议吗？
浏览 0提问于2019-01-23得票数 3
回答已采纳
但是我读了很多关于卷积神经网络的书。到目前为止，我了解到输出层可以是例如用于分类问题的softmax层，或者您可以进行回归以获得量化的值。但我想知道是否有可能推断出不止一个参数。例如，如果我有一个数据，我的输出标签是房子的价格和房子的大小。我知道这不是一个聪明的例子。但我只想知道，在卷积神经网络的同一输出层中，是否有可能预测两个不同的输出值。或者我需要两个不同的卷积神经网络，一个预测房子的大小，另一个预测房子的价格。那么我们如何将这两个预测结合起来呢？如果我们可以在一个
浏览 1提问于2018-11-14得票数 0
我需要训练一种算法，从真实的图片中识别渲染的建筑图像。下面是一个例子：📷📷那么，你建议我用什么来做这件事，有人知道一些已经做过类似事情的事情吗？
浏览 0提问于2019-12-23得票数 2
在我正在开发的应用程序中，我有大约5000张产品标签图像(每个产品有一个标签)。现在我正在考虑如何结合CNN或深度学习技术来提高准确性，因为当用户批准匹配时，它会逐渐为产品添加更多的标签样本
浏览 0提问于2017-10-24得票数 1
回答已采纳
1回答
胶囊神经网络采用卷积、原胶囊和数字胶囊层。同时，采用卷积和最大池层的卷积神经网络。我想对卷积神经网络和胶囊神经网络进行比较。下面的表格是我的cnn模型的架构。我需要在胶囊神经网络上做一个类似的结构。那么，如何正确地叠加胶囊神经网络，堆栈胶囊神经网络是什么样的呢？
浏览 10提问于2022-12-02得票数 -2
1回答
我已经标记了人脸图像(标签是年龄-continuous值-)数据集，我想构建一个卷积神经网络模型来预测一个人的年龄。标签，即年龄必须如何编码？
使用哪种激活功能？
浏览 0提问于2019-02-27得票数 2
回答已采纳
这是我第一次使用DL4J (Deep Learning for Java)，也是我第一次使用卷积神经网络。我的目标是使用卷积神经网络给我一些关于图像的预测值。我自己收集并标记了我的图像。标签或预期输出由0到1之间的两个数字组成(我只是将它们写在文件名中，如0.01x0.87.jpg)。现在我找不到任何方法来使用DL4J使用的DataSetIterator类，这样我也可以设置我的标签值。
浏览 19提问于2020-02-11得票数 0
1回答
带注释的图像分类
、、
我有一堆图像(约3000张)，它们已经根据一些业务标准进行了手动分类(批准/拒绝)。我已经用Google Cloud Platform处理了这些图片，获得了注释和SafeSearch结果，例如(csv格式)：
文件名；批准/拒绝；成人；欺骗；医疗；暴力；annotations A.jpg;approved;VERY_UNLIKELY;VERY_UNLIKELY;VERY_UNLIKELY;UNLIKELY;boat|0.9，vehicle|0.8 B.jpg;rejected;VERY_UNLIKELY;VERY_UNLIKELY;VERY_UNLIKELY;UNLIKELY;text|0.9
浏览 21提问于2017-02-21得票数 1
1回答
在labels.In我的CNN项目中，我没有每个图像的特征和标签，我只有两个文件夹和分开的类。那么，我如何为训练提供数据，显示标签？我在Keras编码，只需要这一部分的代码。
浏览 20提问于2019-05-13得票数 1
我正在尝试建立CNN。我被困在这里了。x_test shape: (10000, 28, 28, 1)10000 test samplesy_test dimensions (10000, 10, 10, 10, 10)model.add(Conv2D(32, kernel_size=(3, 3),
activation
浏览 0提问于2019-10-28得票数 0
我想在张量流中训练卷积神经网络，我有10,000张.png格式的图像和.txt格式的文本文件中的标签的数据，其中每行都包含一个标签(在所有10,000行上)。
浏览 2提问于2016-11-02得票数 2
1回答
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
我目前正在研究一项语音识别任务，将深入学习应用于标准声学模型(gmm-hmm)。如果是这样的话，它会不会明智地导致一些问题，当我在CNN上做的时候，是否通过在谱图的更大部分上进行模式识别来解决上下文依赖，这取决于上下文窗口的大小，但是引入RNN，CNN在当时只需要对一个帧进行分析(我认为它甚至可以得到
浏览 0提问于2017-07-06得票数 2
回答已采纳
我正在为Toxici评论分类Kaggle竞赛撰写一份大学报告，比较不同模型的不同尝试，我想知道卷积神经网络是否是一个模型，多输出层模型。ONMO也称为多任务学习，这种方法将有一个输入层、一组隐藏层和每个标签的一个输出层。
另一方面，CNN是几层具有非线性激活函数(如ReLU或tanh )的卷积。它使用输入层上的卷积来计算输出，而不是完全连接的层或仿射层。
浏览 0提问于2018-03-12得票数 0
我在Tensorflow中有代码，使用卷积神经网络来识别街道视图文本(SVT)数据中的字符。由于标签类型是字符串，在丢失函数中应该使用什么而不是tf.nn.sparse_softmax_cross_entropy_with_logits()？我不能使用tf.nn.sparse_softmax_cross_entropy_with_logits()，因为她的标签必须是int dtype?？
浏览 0提问于2017-08-14得票数 4
回答已采纳
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</em
浏览 20提问于2020-12-24得票数 1
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
