我正在处理一个包含15个类的胸部X光图像数据集。图像文件名保留在带有某些非图像值的CSV文件中。图像数据集分为训练、测试、验证三部分。我使用imagedatagenerator来增强图像。| 1 | 1 |
|---------------------|------------------|---------------| [包含非图像特征的CS
浏览 33提问于2020-07-14得票数 0
1回答
我想知道如何将气象变量(如温度、风速)添加到现有的CNN结构中，以便有助于分类。我已经想到的一种方法是在CNN旁边创建另一个(小的)前馈神经网络，然后将CNN层的输出和非图像神经网络的隐藏层在密集层相互连接。
我能想到的第二种方法就是将这些
浏览 0提问于2018-05-08得票数 23
回答已采纳
3回答
基于无监督机器学习的图像聚类
、、、、
我有一个图像数据库，里面有身份证，账单和护照。正如我所读到的，完成这一任务的方法之一是集群(因为它将是不受监督的)。我的想法是这样的:聚类将基于图像之间的相似性(即具有相似特性的图像将被分组)。所以对我来说问题是关于特征和使用K-均值的图像
浏览 0提问于2018-10-09得票数 7
回答已采纳
我正在拿一张图片清单来训练我的CNN。in batches of 32 samples但我面对的是这个错误：ValueError:检查输入时出错:要求dense_1_input具有2维，但得到形状为(391,605,700，3)的数组
浏览 15提问于2019-08-20得票数 0
回答已采纳
2回答
在我读到的许多关于卷积神经网络(CNN)的研究论文中，我看到人们从图像中随机裁剪一个正方形区域(例如224x224)，然后随机水平翻转它。为什么要进行随机裁剪和翻转？另外，为什么人们总是裁剪一个正方形的区域。Can不能在矩形区域上工作吗？
浏览 0提问于2015-09-29得票数 17
回答已采纳
4回答
为什么CNN必须有固定的输入大小？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
2回答
我读了很多说明两件事的教程。
基于这些陈述，我的问题如下？每当我做了一个FCN，我只能让它工作在一个固定维
浏览 0提问于2019-08-02得票数 0
回答已采纳
让我们假设我有[128,128,3]形状的RGB图像，我想创建一个CNN，包含两个create层，如下所示。def cnn(input_data):
conv1_weight = tf.Variable(tf.truncated_normal([4,4,3,25], stddevconv2_bias))在这一步之后，我
浏览 0提问于2018-08-21得票数 2
回答已采纳
1回答
预测图像中的点序列
、、、、
我的训练集是一组图像(3个通道或1个ofc，我只使用一种类型的通道)。标签是我想要从图像中预测的特定顺序的点的序列。 我使用的模型灵感来自tensorflow网站上的图像字幕示例。我正在提取unet的最后一层。因此，每个图像的大小为1x128x128。我将其重塑为1x1x128*128。然后我将其通过一个完全连接的</e
浏览 22提问于2020-06-17得票数 0
回答已采纳
3回答
在ImageNet ClassifiNeural with Deep Convolutional Neural等论文中
训练方法似乎是随机梯度下降的基本反向传播。尽管CNN是深度神经网络的一部分，但这纯粹是因为存在大量的隐藏层吗？这是否意味着这里的后盾属于深度学习类别，因为网络是深度的，即使它不遵循与使用贪婪层明智训练(一种真正的深度学习技术)的DBN相同的模式？
浏览 2提问于2014-04-19得票数 4
特别是确定砖块的宽度、高度和颜色(见附图作为示例输入)。这两种方法似乎都能了解培训数据的平均值。颜色主要是灰色的，两个极端之间的宽度和高度。输出不依赖于输入，因为NN总是输出“相同”值(只有非常小的波动)。
当我操作生成的数据时，我在输入和期望输出以及无限训练数据之间有着完美的相关性。使用的损失函数
浏览 0提问于2016-08-05得票数 2
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。
浏览 0提问于2019-04-02得票数 4
3回答
我正在学习一个在线教程来分类图像，并以密集的层作为分类cifar10数据的起点。dense_2层也是如此。
有人能在这里解释一下吗?或者指给我一个解释这个问题的资源？
浏览 0提问于2018-10-15得票数 14
我有一个更快的-rcnn (resnet-101主干)用于对象检测，并且正在为每个检测到的对象提取特征张量，即7x7x2048张量(基本上是2048个特征映射，每个7x7)。对于对象跟踪，我希望将其转换为Nx1向量。这样做的标准方法是什么？我有几个似乎都是合理的想法：
把每个特征图都压平，然后把所有这些拼接在一起(所以每个特征向量都是49*2048x1)？取每个特征图的平均值或最大值，最后得到一个2048x1特征向量。
浏览 0提问于2020-03-05得票数 0
回答已采纳
我正在阅读Francois与python的深度学习，我看到了一个关于max池的章节，它确实给我带来了麻烦。
我只是不明白他说“这个设置有什么问题？”是什么意思。删除最大池层如何“减少”我们正在查看的初始映像的数量？
浏览 0提问于2019-07-23得票数 4
2回答
我有一个数据集，我已经创建了灰色图像，我想要使用的暹罗网络示例在caffe，其中的文档使用mnist数据集。我想用我自己的数据集替换mnist数据集。所以我想我要使用'create_mnist_siamese.sh‘脚本，我的数据集也需要采用idx-ubyte格式。我尝试使用'mnisten‘将数据集转换为idx-ubyte格式。但是，我得到了“错误:总图像小于num_test”。我猜剧本并没有识别我的图像
浏览 6提问于2017-01-27得票数 2
回答已采纳
9回答
我试图理解Flatten函数在Keras中的作用。下面是我的代码，这是一个简单的两层网络.它接受形状的二维数据(3，2)，并输出形状的一维数据(1，4)：model.add(Dense(16, input_shape根据我对神经网络的理解，model.add(Dense(16, input_shape=(3, 2)))函数正在创建一个隐藏的、完全连接<em
浏览 12提问于2017-04-05得票数 181
回答已采纳
我正在堆叠6层2D卫星图像(x数据)，并尝试在它们上运行CNN来对土地覆盖进行分类(使用从重新格式化的USDA作物数据Layer -y数据中提取的8个土地覆盖类别)。X数据的形状是(2004,2753，6)，y的形状是(2004,2753，8)，我使用了data_x.reshape(-1,2004,2752,6) (与y相同)来添加额外的维度作为模型。Y数据集中的
浏览 20提问于2019-08-26得票数 0
回答已采纳
5回答
我无法给出或的正确参数数。例如，要计算VGG网的conv3-256层的参数数，答案是0.59M = (3*3)*(256*256)，即(内核大小)*(连接层中两个通道数的乘积)，但这样就无法得到138M参数。那么，你能告诉我我的计算哪里有问题，或者告诉我正确的计算程序吗？
浏览 5提问于2015-01-30得票数 44
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
