1回答
我正在编写一个程序，它可以以多个低分辨率图像作为输入，并输出高分辨率图像。
我的理解是，对于单个图像的超分辨率，卷积神经网络工作得很好。我只需要一个只有三个卷积层的网络，就像这里描述的那样。然后，我可以用大量的低分辨率图像和它们对应的高分辨率图像(具有均方误差代价函数)来训练网络，理论上应该是可行的。不过，如果我想获得更高的精度，我可以通过查看多幅低分辨率图像来获
浏览 0提问于2018-02-03得票数 1
回答已采纳
例如，有一个3乘3的图像，最后，输出维数为2x2x2。并利用这4幅小图像作为一个完全连接的神经网络的输入。
最后，我还可以得到8个输出。我真的不知道CNN的反向传播，所以我试图从经典的完全连接的神经网
浏览 1提问于2017-01-29得票数 0
回答已采纳
1回答
我计划构建一个分类器，您将在其中输入两个图像作为分类器的输入。并且它应该输出是否“匹配”。 我不确定从哪里开始，也不知道如何给两个图像提供数据，以及如何训练神经网络。
浏览 263提问于2020-01-20得票数 1
回答已采纳
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
在我的问题不明确的情况下，我说的是在图像训练的卷积神经网络(CNN)的每一层中检测到的模式。以下面的图片为例(由洪拉克李)。我想我理解这个概念:随着复杂性的增加，不同的层开始对不同的特性进行编码。
浏览 0提问于2016-12-10得票数 5
回答已采纳
我试着用GridLSTM和MLP/CNN训练图像。我想知道是否有可能把GridLSTM和MLP/CNN放在一起。
浏览 2提问于2016-09-22得票数 1
回答已采纳
1回答
我刚开始深入学习，我的第一个作业是完成一个基于卷积神经网络的树叶分类系统。我用github上的代码构建了一个resnet-34模型来做it.However，我的老师告诉我，他的数据集中的基本训练单元是图像对。我应该使用2幅图像(在不同光照条件下的同一片叶子的照片)作为输入，将两幅3通道图像合并成一幅6通道图像，但我不知道如何输入2幅图像并将它们组
浏览 2提问于2022-04-13得票数 1
1回答
我对卷积神经网络中的多通道方案感到困惑。假设我有一个10(宽度)*5(高度)*6(通道)图像，我将它输入到默认的二维卷积层中，其中包含stride=1和padding=0，期望输出为8(宽度)*3(高度)*16(通道)。我知道内核的大小是3(宽度)*3(高度)，但我不知道到底有多少内核，以及如何将其应用于输入数据以给出最后的16个通道。
有人能帮我吗。
浏览 1提问于2021-03-09得票数 0
回答已采纳
到目前为止，我的问题是，当我给神经网络更多的图像，是32X32，让它训练，错误永远不会下降到低于14%，并在开始时，它跳遍了整个地方。编辑:如果我给它更少的图像作为输入，以了解错误下降，但这并不能真正解决问题，如果我想分类很多图像，我将被困在错误永远不会下降。
浏览 2提问于2014-11-07得票数 1
回答已采纳
1回答
我想使用从训练图像数据集中提取的特征向量作为caffe卷积神经网络的输入。特征向量保存在xml文件中。我是caffe的新手，我想知道如何将xml文件转换为LMDB作为caffe的输入，以及如何在模型中提到我使用的是特征向量而不是图像。xml文件是：
浏览 2提问于2016-01-31得票数 0
我的研究问题绝对可以从使用卷积神经网络(cnn)中受益。我正在尝试建立一个cnn，用于特定于我的研究问题的图像转换。到目前为止，我遇到的大多数cnn例子都是某种形式的分类。对于分类示例，我理解cnn的基本操作，给定输入图像，网络给出一个数字。将这个数字与标签(与输入图像相关联)进行比较，然后将由此产生的误差反向传播到网络，以调整下一次迭代的权重。对于我的转换问题，网络的输出是一幅图像，而“标签”，即预期的输出也是一幅
浏览 0提问于2018-04-21得票数 0
2回答
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
我想用PyTorch训练一个卷积神经网络(CNN)来预测与输入图像相关的频谱数据。我不是为每个图像(狗、猫、汽车、飞机等)分配一个标签，而是为每个图像分配一个标签矩阵(每个频率一个标签)。在PyTorch中，如何将数据矩阵作为标签分配给数据集中的每个输入图像？我一直在尝试使用ImageFolder来做到这一点。谢谢!
浏览 27提问于2019-02-15得票数 0
4回答
输入层采用宽度= 128和高度= 128的RGB图像。第一个conv2D层告诉我输出维度是(None，61，61，24)。我使用了内核大小(8，8)，这是(2，2)没有填充的一大步。
浏览 5提问于2019-03-31得票数 13
我创建了一个卷积神经网络，它接受48美元*48美元的图像。所以，我想把276*276美元的图片调整到48*48美元，而不减少数据中的任何功能。有人能帮我解决这个问题吗?这样我就可以将调整大小的图像作为输入发送到我的CNN模型了吗？
浏览 0提问于2018-06-17得票数 1
我正在阅读Krizhevsky等人的基于深度卷积神经网络的ImageNet分类论文，并在Intro段落中看到了以下几条线：什么是“统计的平稳性”和“像素依赖性的局部性”？另外，CNN理论上最好的表现仅仅比前馈神经网络差一些
浏览 0提问于2019-07-30得票数 0
回答已采纳
2回答
用于音频的卷积神经网络
、、、、
我一直在学习关于DeepLearning.net的教程，以学习如何实现从图像中提取特征的卷积神经网络。本教程解释得很好，易于理解和遵循。我想扩展相同的CNN，同时从视频(图像+音频)中提取多模态特征。
我知道视频输入只不过是在一段时间内显示的一系列图像(像素强度)。30 FPS)与音频相关。我读过几篇关于这个主题的论文(多模特征提取/表示)，但是没有人解释过音频是如何输入到网络中的。如果有人能了解音频是如何分解的，然后再用<
浏览 3提问于2014-03-18得票数 34
回答已采纳
1回答
我有许多图像的数据集，其中图像有5个放大倍数(x10，x20，x30，x40，x50)到同一类，但它们不是序列数据，所有图像都处于RGB模式，大小为512x512，我想将这5张图像作为输入输入到CNN，但我不知道如何输入。此外，还有另一个问题，那就是一旦模型在5图像管道上得到了很好的训练，当我只有一个图像(一个放大倍率，例如x10 )时，它可以吗?或者它可以工作吗？
浏览 253提问于2019-12-20得票数 4
回答已采纳
1回答
图像大小不一。利用武器包围盒坐标获取的原始图像块训练SVM分类器。对于“没有武器的人”，我要把完整的原始图像作为特征向量传递给SVM。我不能对这些包围盒使用主成分分析，因为我认为这可能会导致信息丢失，因为在images.Some包围框中有3种不同大小的武器，几乎覆盖了整个图像。因此，首先，我必须缩小图像和包围框，因为否则我的记忆耗尽，如果我采取整个图像的PCA。如何利用可变大小的特征向量训练SVM？换句话说，我如何使所有相同大小的特征向量不丢失
浏览 1提问于2016-11-12得票数 0
回答已采纳
这一阶段的问题是认识到这一高光谱数据集是一幅图像，每一幅图像的真实值都与每个像素有关。在此阶段，我将数据重新格式化为高光谱数据/像素的集合。#Y_test one-hot encode target column我的想法是，尽管最初的图像被分解为本质上，我希望将这些重新格式化的数据输入到我的模型中(在本文中的第一个代码片段中可以看到)，但是由于我对这一专业领域缺乏经验，我不确定
浏览 3提问于2021-12-04得票数 7
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
