1回答
为了将医学专业知识与深度学习结合起来，我想将代表同一CT图像的不同地图的多个图像组合在一个张量中。 假设我们从下面的CT图像开始： ? 我们可以手工制作这个特定图像的不同映射(即转换)，以体现相关的医学诊断知识。 因此，我们可能最终得到从1开始的10个2D灰度图像，然后我们可以将其打包为3D张量。在公共领域(例如Keras)使用这些具有10
浏览 26提问于2019-10-03得票数 2
1回答
我这里有两个帧，一个是RGB图像，第二个是同一RGB图像的深度图。图片在这里： ? 我想使用两幅图像直接在前面的两个植物上执行前景提取。如果这一点不清楚，那就是深度图能够捕捉到的两种白色植物。只有这两个人。理想情况下，我的最终结果是黑色背景中的两种花卉的彩色图像-从绿色的尖端到底部。我在想，掩蔽也许会有用？我的问题是，我是否可以将RGB图像中的</
浏览 56提问于2021-09-21得票数 0
我对卷积神经网络如何通过其卷积运算学习的理论感兴趣。我认为它学习了(有用的)核，它测量其输入信号之间的相关性。此外，从技术角度看，卷积运算是作为“互相关”来实现的。所以我的假设是对的吗？
浏览 0提问于2021-02-16得票数 3
1回答
卷积结构的差异
、、、
我很难理解多频道CNN的不同之处:在题为“用于任务诱发的fMRI数据分类的多通道2D卷积神经网络模型”(https://www.hindawi.com/journals/cin/2019/5065214/#sec2.1)图1中，作者使用一个频道来表示输入图像类型。图像是一个二维灰度矩阵。从图上看，图像数=通道数=不同CNN数。这是
浏览 0提问于2020-07-19得票数 2
回答已采纳
1回答
我正在使用完全连接的CNN研究医学领域的图像分割问题。
问题是，对于特定的图像，它可能具有许多相似的结构。我们的任务是找到正确的。我想让CNN学习的一件事是，不应该有一个结构在另一个结构下面，这个结构首先在顶部找到。在地面真实图像中，它被隐式地显示出来，因为在每个图像中只有一个结构。有没有可能用CNN来实现？
浏览 1提问于2019-05-10得票数 0
4回答
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：现在，我不明白的是:什么是卷积神经网络中的通道？
浏览 0提问于2019-12-05得票数 22
回答已采纳
2回答
我一直试图使用转移学习的MNIST数据集使用VGG/盗梦空间。但这两个网络都接受至少224x224x3大小的图像。如何将28x28x1 MNIST映像重定向到224x224x3以进行传输学习？
浏览 1提问于2017-12-17得票数 11
回答已采纳
1回答
我正在尝试理解keras/tensorflow中的时间分布层。据我所知，它是一种包装器，可以例如处理一系列图像。 现在我想知道如何在不使用时间分布层的情况下设计一个时间分布式网络。例如，如果我有一个由3个图像组成的序列，每个图像都有1个通道，像素尺寸为256x256px，那么首先应该由CNN处理，然后由LSTM单元处理。我对时间分布层的输入将是(N,3,256,256,1
浏览 34提问于2020-03-30得票数 0
回答已采纳
1回答
我目前正在设计一定数量的CNN，以从图像中提取特征。
这些图像是平面图，每个图像的形状都是(276，x,3)。这里是列的数目，这也是应该创建的特征向量的长度。因此cnn必须以某种方式使用一个内核，它必须有276行和1列宽，但是在keras中是否有可能制作一个2d核并执行一维卷积。最重要的因素是一维卷积和2d核的形状，因为它被用来改变光谱图中某些条
浏览 0提问于2017-03-09得票数 1
回答已采纳
2回答
我刚开始深入学习，现在还在学习如何从头开始训练我的神经网络。有时我在YouTube上看教程，甚至在MOOC平台上看在线课程。卷积神经网络的基础通常是Conv2D和MaxPooling层，以使输入更小，更容易训练。
问题是，有时本教程在线使用Conv2D的设置，神经元数量较多，而其他Conv2D的神经元数目较小。另一个教程设置是增加的，比如从Conv2D(16.)开始，然后是Conv2D(32.)而且还在增加。这些老师没有告诉我们为什么
浏览 0提问于2020-04-15得票数 2
2回答
我是Keras的初学者，我从MNIST示例开始了解库的实际工作方式。Keras示例文件夹中MNIST问题的代码片段如下：np.random.seed(1337) # for reproducibility
from keras.datasets我无法理解这里的重塑功能。它在做什么，我们为什么要应用它？
浏览 0提问于2016-05-12得票数 14
回答已采纳
1回答
我刚开始学习有关计算机视觉的基本知识，当我尝试一些代码脚本时，我遇到了load_data()方法从cifar10获取数据集。如您所知，它的返回之一是形状为( 50000，32，32，3)的x_train numpy数组，它等于50000彩色，32x32像素图像。但是我混淆了元组应该是(50000，3，32，32)而不是(50000，32，32，3)，因为表示彩色图像的矩阵(在本例中)是放在彼此顶部的三维矩阵。这里有什么地方我弄错了吗？
浏览 1提问于2022-07-24得票数 1
1回答
我已经将图像的像素聚集成不同大小和形状的簇。我想最大限度的池每个集群尽可能快，因为最大池发生在我的CNN的一个层。说明:输入是一批具有以下形状的图像: batch_size、图像高度、图像宽度、通道数。在我开始训练我的CNN之前，我已经对每一张图片进行了聚类。因此，对于每一幅图像，我都有一个标
浏览 14提问于2022-04-22得票数 0
回答已采纳
1回答
我希望训练网络包含多个(两个或更多)并行CNN，这些并行CNN在最后的全连接层中是常见的，但我想使用迁移学习方法首先分别训练这些网络，然后将它们合并并微调我的网络。 我如何通过Keras做到这一点
浏览 32提问于2020-12-10得票数 0
我是GCP的免费试用用户，正在学习AutoML视觉的图像分类服务。我有一个关于这项服务的基本问题。我们知道有很多目标识别模型和目标检测模型。它可以是RCNN、YOLO等。我使用AutoML视觉与我的照片数据，我得到了我的自定义模型。没有办法知道我的模型的结构。例如，使用哪些‘模型’来训练我的数据，使用哪个‘网络’，为我的模型设置的</em
浏览 23提问于2020-04-23得票数 1
1回答
迁移学习中的模型微调
、、、、
我正在研究一个深度学习模型，用于“年龄不变的人脸检测”。我开始对数据进行预处理，包括通过MTCNN进行人脸裁剪，图像对比度校正和锐化。然后我开始构建模型架构，我设计了一个定制的顺序CNN模型。我需要快速的结果，所以我开始尝试迁移学习。我读到一篇论文，说Resnet-18在任务中表现很好，所以我首先使用了Resnet-18。尝试通过改变学习率来调整它，但没有效果。准确率的提高不超过40%。然后我<em
浏览 17提问于2020-10-02得票数 0
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-
一看到他输入的信息，我就想起了，为
浏览 1提问于2019-11-18得票数 2
回答已采纳
1回答
如何将CNN模型一分为二并合并？
、、、、
我想从一个CNN模型创建两个独立的CNN模型。让我将其命名为CNN-A和CNN-B。在预测期间，原始输入数据集被馈送到CNN-A。CNN-A的输出被馈送作为CNN-B的输入。原始模型的原始输出是CNN-B模型的输出。
为了实现上面的架构，我希望得到您<em
浏览 1提问于2021-06-09得票数 0
2回答
最佳背景减法
、、、
在我最新的项目中，我被要求训练一个深度卷积神经网络来检测足球运动员。问题是，我所有的正面标点符号都是从3-4个视频中提取出来的，每个视频中的草几乎都是相同的颜色。然后，我可以将草的颜色更改为不同的色调。是执行边缘检测还是颜色分割算法更好？有什么想法吗？谢谢
浏览 5提问于2017-06-21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
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
