腾讯云
开发者社区
文档
建议反馈
控制台
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
登录/注册
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
(9999+)
视频
沙龙
1
回答
图
的深度学习
deep-learning
、
graphs
我有有向
图
,每个顶点都有一些"class01_01.gml“格式的标签。这类类有多个。我需要使用深度学习对这些文件进行多类分类。 请注意,特定类中的每个
图
都有不同的顶点集。
浏览 0
提问于2020-02-25
得票数 1
1
回答
更快的R-CNN是否使用滑动窗口来提出区域?
machine-learning
、
neural-network
、
computer-vision
、
deep-learning
、
conv-neural-network
我读过提出的更快的R-CNN,但我不确定区域提案是否通过滑动窗口完成。如果是,这不是一种糟糕的做法吗?
浏览 3
提问于2017-04-22
得票数 2
0
回答
使任何keras
网络
卷积
convolution
这种情况仍然是抽象的,我需要训练一个
卷积
网络
,然后在图像上的滑动窗口上运行这个
卷积
网络
。我们的目标将是构建一个热
图
,用于为某些对象建立像素完美的检测边界。我想知道在keras中是否有一种简单的方法来训练
网络
,然后将其转变为
卷积
网络
,而不需要在图像上运行循环,这是非常慢的? 我想我可以把经过训练的
卷积
滤波器复制到一个更大的
卷积
网络
中。
浏览 5
提问于2016-12-30
得票数 0
2
回答
自编码
网络
与全
卷积
网络
的差异
image
、
autoencoder
自动编码器
网络
和全
卷积
网络
的主要区别是什么?请帮助我理解这两个
网络
的架构之间的区别?
浏览 3
提问于2017-12-04
得票数 0
1
回答
为什么深度残差
网络
中的每个块都有两个
卷积
层而不是一个
卷积
层?
machine-learning
、
deep-learning
、
conv-neural-network
、
deeplearning4j
、
deep-residual-networks
此
图
显示了残差
网络
的基本块。它有两个
卷积
层?当它只有一个
卷积
层时会发生什么?
浏览 4
提问于2018-03-15
得票数 0
2
回答
固态硬盘MobileNet V2 FPNLite 320x320中的FPN代表什么?
python
、
tensorflow
、
tensorflow2.0
、
tensorflow-lite
、
mobilenet
我最近查看了FPN2.0检测动物园,发现了TensorFlow预训练模型,并想知道"FPNLite“中的SSD MobileNet V2 FPNLite 320x320部分是什么意思。
浏览 139
提问于2020-08-30
得票数 4
回答已采纳
1
回答
对于分割任务,完全
卷积
层的工作能力如何?
image-processing
、
computer-vision
、
deep-learning
、
caffe
、
image-segmentation
我正在阅读乔纳森·龙( Jonathan Long)、埃文·谢尔哈默( Evan Shelhamer)和特雷弗·达雷尔( Trevor Darrell )的论文“完全
卷积
网络
用于语义分割”,我想了解为什么它可以用于语义切分让我们看一下fcn-32s体系结构,它包括两个阶段:特征提取阶段(
卷积
1-1-> feature 5)和特征分类阶段(fc6->score_fr)。与一般的分类
网络
相比,主要不同的是第二阶段。在fc7中,FCN-32s用完全
卷积
层(1x1)代替完全连接的层,以保留空间地图(如
浏览 2
提问于2017-01-23
得票数 3
回答已采纳
1
回答
语义分割中的去
卷积
网络
neural-network
、
deep-learning
、
image-classification
最近我遇到了一篇关于使用反
卷积
网络
进行语义分割的论文:用于语义分割的学习反褶积
网络
。📷 最终的目标是生成一个概率
图
。我很难搞清楚如何实现反褶积层。反褶积层将通过使用多个学习滤波器的
卷积
类运算解池获得的稀疏激活紧密化。然而,与将滤波器窗口内的多个输入激活连接到单个激活的
卷积
层相反,反
卷积
层将单个输入激活与多个输出相关联。反褶积层的输出是一幅放大密集的活化
图
。我们裁剪扩大的激活映射的边界,以保持输出映射的大小与前一
浏览 0
提问于2015-11-24
得票数 5
回答已采纳
2
回答
卷积
神经
网络
中特征映射的滤波器
filter
、
neural-network
、
convolution
、
feature-extraction
、
conv-neural-network
在
卷积
神经
网络
中,我应该使用什么样的滤波器来提取特征
图
?我最近读到了关于
卷积
神经
网络
的文章,我了解到我们使用(一组滤波器)在每个
卷积
层生成一组特征映射,通过对前一层输出的滤波器进行
卷积
,生成一组特征映射。 (1)我们如何获得这些过滤器?
浏览 1
提问于2015-12-05
得票数 0
回答已采纳
1
回答
transform_graph量化后Tensorflow SSD-Mobilenet模型精度下降
tensorflow
、
deep-learning
、
object-detection
我从源代码构建了tensorflow r1.2,并使用以下方法对其进行量化: bazel-bin/tensorflow/tools/graph_transforms/transform_graph --in_
图
=冻结_推论_Graph.pb--out_
图
=优化_Graph.pb--输入=‘图像_张量’--输出=‘检测_框’,‘检测_分数’,‘检测_类’,'num_detections‘--transforms=
浏览 2
提问于2017-06-29
得票数 2
0
回答
反
卷积
(反向
卷积
)是什么意思?
deep-learning
、
caffe
、
conv-neural-network
、
deconvolution
卷积
神经
网络
中的反
卷积
或反向
卷积
是什么意思? 我理解
卷积
,如果我们考虑一个3x3的窗口W和一个相同大小的核k,那么
卷积
W*K的结果将是一个值。这里的k是一个3x3元素的矩阵。在我的理解中,反
卷积
试图对特征地图进行上采样,以获得更大的地图。它是否使用用于获得特征
图
的相同
卷积
矩阵?如果不是,如何计算反向传播的梯度?一个详细的解释将非常有用。
浏览 10
提问于2016-07-08
得票数 2
2
回答
在
卷积
网络
中学到什么
machine-learning
、
deep-learning
、
conv-neural-network
在一个
卷积
网(CNN)中,有人回答我,过滤器是随机初始化的。 我不介意,但是,当有梯度下降时,谁在学习呢?特征
图
还是过滤器?我的直觉是,过滤器在学习,因为它们需要识别复杂的事物。但我想确定一下。
浏览 3
提问于2016-12-12
得票数 1
回答已采纳
1
回答
是否可以从
卷积
神经
网络
中推断出多个参数
conv-neural-network
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。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
卷积
神经
网络
中做到这一点,那么我们如何做到呢?
浏览 1
提问于2018-11-14
得票数 0
1
回答
Keras ConvNet中的特征映射是如何表示特性的?
keras
、
conv-neural-network
好吧,首先正确地解释我的问题, 当我学习CNN时,有人告诉我,内核、过滤器或激活
图
代表了图像的特征。具体来说,假设一个猫图像识别,一个特征
图
将表示一个“胡须”,而在这个特征
图
的激活程度很高的图像中,它被推断为在图像中有胡须,所以图像是猫。
浏览 0
提问于2019-03-09
得票数 0
回答已采纳
1
回答
如何从谱图中生成结构化参数?
generative-models
、
audio-recognition
假设我有一个算法,它接受以下格式的输入结构化参数,生成一个音频剪辑,然后用它生成512x512谱
图
:在文本到图像模型方面,我认为这是一个相反的问题。也就是说,接近没有参数变化将产生一个非常相似的谱
图
,使训练有点可能。该算法也是确定性的,对于给定的输入总是产生相同的输出。 这个是可能的吗?
浏览 0
提问于2022-09-24
得票数 0
2
回答
卷积
神经
网络
的输入数据
tensorflow
、
deep-learning
、
conv-neural-network
我正在努力学习深入学习,特别是使用
卷积
神经
网络
。我想在一些音频数据上应用一个简单的
网络
。现在,据我所知,CNN经常用于图像和物体识别,因此在使用音频时,人们通常使用谱
图
(特别是mel-谱
图
)而不是时域上的信号。我的问题是,使用光谱
图
的图像(即RGB或灰度值)作为
网络
输入更好,还是应该直接使用光谱
图
的2d幅值?有什么不同吗? 谢谢。
浏览 4
提问于2016-06-18
得票数 1
回答已采纳
2
回答
用
卷积
神经
网络
处理熔体谱
图
python
、
audio-recognition
我正在尝试用
卷积
神经
网络
进行音频分类。有六个班。使用librosa,我已经为一秒长的.wav音频文件创建了混合谱
图
。它返回640x480 .jpg文件。我现在的问题是如何继续输入,因为我认为输入对于
网络
来说太大了。如果是这样的话,什么才是适当的解决办法呢?大约60x60?它必须是二次型的吗?在我看来,各种选择:在将cv2.resize()传递给输入层之前,只需使用cv2。?
浏览 0
提问于2019-03-08
得票数 2
回答已采纳
1
回答
FCNs训练和测试过程中不同的图像维数
tensorflow
、
machine-learning
、
neural-network
、
convolution
、
image-segmentation
512x512图像在被传送到
网络
之前被调整大小。 有人能澄清这一点吗?正如您所看到的,关于这个问题有多个帖子,没有一个规范的答案。因此,一个每个人都同意的社区援助答案将是非常有帮助的。
浏览 0
提问于2019-08-04
得票数 5
回答已采纳
1
回答
TensorFlow中的上采样特征映射
tensorflow
、
conv-neural-network
我想实现一个
卷积
-反褶积
网络
的图像分割项目。在反褶积部分,我计划将特征
图
向上2。例如,原来的特征
图
是维数64*64*4,我想把它提升到128*128*4。有人知道这样做的张量运算吗?谢谢!
浏览 4
提问于2016-04-11
得票数 10
2
回答
图
神经
网络
在不可见图拓扑上的推广失败
machine-learning
、
generalization
、
graph-neural-network
我使用PytorchGeometric来训练一个用于节点回归问题的图形
卷积
网络
(
图
模型是传感器
网络
中的物理现象;传感器
网络
实际上是分布在电网中的测量
网络
(功率、电流、电压),而GNN的目标是预测图中的一些未测量变量在训练数据集中,有不同拓扑的
图
(即不同的edge_index张量),每个拓扑
图
都有输入张量和标号张量,它们由图中每个节点的浮点数组成。但是,当模型在不可见的(但类似的)
图
拓扑上测试时,结果是完全错误的。训练和测试集中的所有<
浏览 0
提问于2021-06-10
得票数 1
点击加载更多
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
卷积神经网络的卷积
如何在图数据库中训练图卷积网络模型
卷积神经网络之卷积操作
可变形卷积网络
卷积神经网络
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券