我想使用图像文件(大约10,000张图像，在所有不同的大小)作为输入文件，使图像识别程序可能使用CNN(或RNN)。我不介意使用任何深度学习平台，如Tensorflow，Caffe，Spark+Tensorflow等。它们似乎都使用固定大小，如256*256，但有什么方法可以使用所有不同<em
浏览 7提问于2017-02-24得票数 1
回答已采纳
3回答
我是CNN，RNN和深度学习的新手。我正在尝试制作将CNN和RNN相结合的架构。输入图像大小= 20,3,48,48 a CNN输出大小= 20,64,48,48现在我希望cnn输出是RNN输入，但我知道RNN的输入必须是三维的</
浏览 98提问于2020-06-11得票数 2
2回答
我在学习计算机视觉。当我进行各种计算机视觉项目的实现时，一些OCR问题使用GRU或LSTM，而有些则没有。据我所知，RNN只用于输入数据是序列的问题，如音频或文本。因此，在kaggle上的MNIST核中，几乎没有内核使用RNN，几乎所有的基于GitHub的IAM数据集的OCR存储库都使用了GRU或LSTM。直观地说，图像中的书面
浏览 0提问于2020-07-06得票数 0
回答已采纳
1回答
在深度学习网络(CNN或RNN)中，我们可以使用单词嵌入(如FastText、Glove等)来表示输入文本。我的问题是：📷
有时我有几个长度大于150的句子，其余句子的平均长度是48。这里，我在一些在线实现中注意到，它们用" pad“字填充短句，以增加它们的
浏览 0提问于2018-11-04得票数 0
3回答
大多数零值数据的深度神经网络
、、、、
问题是大部分的功能都是0。在每一行中，通常大约有100个特性有值，其余的特性为0。0 0 1 5 78 0 64 0 2
正如您所看到的，我应该使用哪种深度神经网络方法？我在考虑RNN或CNN，但我不确定这些是否是最好的选择。我在考虑一些会忽略零值的方法，即在计算中不考虑零值。我觉得R
浏览 0提问于2017-08-07得票数 4
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
浏览 2提问于2014-04-19得票数 4
1回答
我在遵循，但遇到了一个问题，即学习与我训练的网络停滞不前，在一个次优解决方案中，将所有图片放在一个类别中。我的第一个想法是，这是由于训练图片在类别()中的分布不平衡，所以我删除了足够多的训练图片，以便每个类别中保留相同数量的图片。然而，问题并没有改变。接下来，我尝试了不同的损失函数，不同的指标，不同的优化器和我的模型的不同层结构，没有任何改进。我的模型在训练后仍然将所有图片放在一个
浏览 1提问于2020-01-17得票数 0
2回答
用于深度学习的数据增强
、、、
我正在使用CNN进行杂草检测。我现在有2节课，每节课有18张图片。我可以应用数据增强方法来增加数据集以使用CNN吗？那么多少数据就足够了呢？另外，我可以将哪些方法与CNN进行比较，以显示CNN比其他方法更好的性能？
浏览 4提问于2017-05-21得票数 2
我想尝试CNN在股票图表模式识别的任务。我怀疑输入线条图是行不通的，因为图像中会有很多空像素。
有哪些时间序列编码选项可以获得无损、密集的图像？
浏览 0提问于2019-04-19得票数 3
回答已采纳
1回答
我好像在给CNN网络建模上出了问题。根据x轴的长度，特征向量的长度也会被改变。我已经知道它们应该有多长，但不知道x轴的长度和特征向量的长度之间的比率，我猜确实存在。
是否有可能训练CNN网络，使其能够根据图像x轴输入的长度来改变特征向量长度？
浏览 0提问于2017-03-08得票数 3
回答已采纳
2回答
我对深度学习相当陌生，被许多不同的网络和他们的应用领域所淹没。因此，我想知道是否有某种概述，哪种不同的网络存在，关键特性是什么，他们有什么样的目的。例如，我知道关于LeNet，ConvNet，AlexNet --不知怎么的，它们是一样的，但还是不同的？
浏览 5提问于2016-11-02得票数 0
回答已采纳
我看到tensorflow对象检测API允许用户自定义输入的图像大小。我的问题是如何使用预先训练的权重，这些权重通常是在224*224图像上训练的，有时是300*300图像。在我使用的其他框架中，比如caffe rfcn、yolo和keras ssd，图像被缩小以适应带有预先训练的权重的标准大小。
300*300大小的<
浏览 3提问于2017-09-12得票数 1
2回答
我很难理解RNN中使用的不同的“术语”。它们如下：batch_size、time_steps、inputs和instances。time_steps：这个参数意味着在预测未来之前，RNN将对过去进行多远的预测。为了简单起见，我想预测前面的一个数字。在first time_step (t)中，inputs是t0：[1]..
浏览 0提问于2018-06-09得票数 1
回答已采纳
1回答
最近，我试图修改的源代码。这种交互式程序的底层技术称为草图-rnn，一种可以生成草图的深度学习算法。我需要访问画布上的实时图像，以便我可以使用卷积神经网络(CNN)，并将图像作为一个二维阵列提供给神经网络，以便进一步改进程序。有什么p5.js函数可以帮助我实现这一点吗？
浏览 5提问于2019-09-25得票数 1
回答已采纳
2回答
背景:我正在学习CNN的课程之外，我的本科课程的ML。我有几个关于CNN的问题。
( 1)当我们训练CNN时，我们想要严格限制/裁剪所需课程的图像，对吗？也就是说，如果我们试图识别狗，我们将使用成千上万的图像，紧切的狗。我们也会喂非狗的图片，对吗？这些图像被缩放到特定的大小，即255
浏览 0提问于2016-11-20得票数 3
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
2回答
如何提高我的cnn模型的准确性？
、、、、
我有4种不同类型的图像，像自行车，汽车，飞机和乐器，当我训练模型时，我试图用这个dataset.Then进行图像分类，我得到了这样的精度: 0.62我应该做什么来提高精度？
浏览 0提问于2019-07-18得票数 1
我正在尝试使用机器学习来预测一个住宅的负荷在任何时间点，一整年。我有关于那所房子的过去的数据。所以我有训练数据，我需要算法来预测房子的未来负荷。根据我的知识，我发现“监督”机器学习技术是我必须适应的技术。我发现了这一点，因为我已经标记了测试数据，我有一个预测需求，我可以得到对我的预测的反馈(与实际值的交叉核对)。我说对了吗？此外，我在网上读到，“无监督”学习将在我们需要找到“隐藏数
浏览 0提问于2018-04-11得票数 2
回答已采纳
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
