1回答
我使用卷积神经网络模型对医学图像进行分割。当我训练模型(例如提拉米苏模型)时，我尝试了论文中推荐的相同学习率，但是，我得到了不好的结果。我关心的是，当我们对不同的数据集使用该模型时，我们是否需要找到不同的最佳学习率。例如，在本例中，他们使用CamVid<em
浏览 61提问于2019-10-30得票数 0
回答已采纳
1回答
我使用我自己的640x360图像数据集，使用初始模型跟踪进行迁移学习。我的问题分为两个部分
1)我的数据集包含640x360张图像。发生的第一个操作是向下采样到299x299吗？我问这个问题是因为我有相同数据集的更高分辨率版本，我想知道用更高分辨率的图像进行训练是否会导致<e
浏览 0提问于2017-06-23得票数 0
我是深度学习的新手，我正在做一项使用CNN的研究。我需要在图像(地标图像)的数据集上训练CNN模型，并使用不同的数据集(地标图像)测试相同的模型。动机之一是看到模型的泛化能力。但问题是:由于用于训练和测试的数据集<
浏览 4提问于2019-01-23得票数 1
1回答
我使用gridsearchcv来确定my分类器中的哪些超参数可以使我的神经网络的准确性更高。我发现层和节点的数量会造成差异，但我正在尝试找出哪些其他配置可以在准确性方面有所不同(实际上是F1分数)。但是根据我的经验，像“激活”，"learning_rate"，“求解器”这样的参数看起来并没有真正改变任何事情。我需要做一个研究，看看其他哪些超参数可以通过神经网络来影响预测的准确性。有没有人对哪些参数与层/节
浏览 28提问于2019-05-12得票数 0
回答已采纳
我正在使用200亿个jester数据集建立一个手势识别系统。目前，我只在4节课上工作。数据集包括从视频中以12帧/秒的速度提取的图像。我建立了两个模型，3D-CNN和CNN-LSTM，但只使用角角和Tensorflow获得了大约25-30%的精度。个手势进行平衡，我运行了该模型100个时代。建筑正确吗？我对提供图片也有疑问。当我正在制作视频的时候，我<e
浏览 0提问于2018-11-19得票数 2
回答已采纳
我的深度学习主题是将图像分类为5个不同的类别。我使用ImageDataGenerator库将我的数据集分割为训练和测试。我已经成功地按照CNN方法开发了一个模型架构，并在测试数据集上评估了我的模型的性能，这使我的准确率达到了83%。 是否可以应用技能学习评估指标，如精度、召回率</em
浏览 12提问于2020-09-23得票数 0
回答已采纳
我知道已经提出了很多解决方案来训练一个输入大小可变的CNN，但是我所面临的情况是不同的：因此：
使用完全卷积网络或使用AdaptiveAvgPooling (或相当于不同
浏览 3提问于2020-04-01得票数 0
1回答
HoG与CNN的比较
、、、
我正在研究方向梯度直方图(HoG)和卷积神经网络(CNN)在杂草检测中的应用。我有两个不同杂草的数据集。1)第一个数据集包含两个类，具有18个图像。使用数据增强(旋转、添加噪声、照明变化)增加数据集
使用CNN，我得到了77%的测试准确率，使用支持向量机的
浏览 1提问于2017-05-23得票数 2
我是ML领域的初学者。我正在学习角角，以获得亲身体验。我选择了20_新闻组数据的分类作为我的任务，我使用glove.6B.50d.txt进行嵌入。我选择为这个任务训练一个RNN，因为它有更好地学习时间序列数据的能力。训练与不同组合的LSTM层和输出尺寸，然后收敛到一个组合。然后，我尝试了同样的任务的CNN模型。我发现CNN<em
浏览 0提问于2018-05-23得票数 1
2回答
类中不同数量的图像
、、、、
我正在做一个深入学习的CNN项目。数据集包含500多个类，类有不同数量的项(图像)。例如，有些类有5幅图像，有些类有10幅，有些类有20幅图像，有些类有超过20幅图像。我可以使用这个数据集来创建CNN模型吗？注:我将使用VGG来训练模型。
浏览 0提问于2018-06-28得票数 3
回答已采纳
1回答
我有一个数据集，并希望在不同大小的数据集子集上对CNN进行培训。我已经有一个CNN，如果我使用整个数据集，分类非常好。现在的问题是，如果我真的应该尝试额外优化CNN的参数为子集，无论我是否做数据增强？如果我试图通过使用RandomizedSearchCV或GridSearchCV来优化卷积层的数量、不同的<em
浏览 0提问于2019-09-02得票数 0
0回答
我正在两个不同的DL库(Caffe Tensorflow)中训练两个CNN (AlexNet E GoogLeNet)。网络由每个图书馆(和)的开发团队实施
我将原始Imagenet数据集减少到1个类别的1024张图像--但设置了1000个类别在网络上进行分类。所以我训练了CNN，不同的处理单元(CPU/GPU)和批处理大小，我观察到损失很快收敛到接近零(在大多数情况下在1个时期完成之前)，如下图所示(Tensorflow上
浏览 5提问于2017-12-05得票数 2
回答已采纳
1回答
图像中颜色和纹理的均匀性
、、、、
我是一个新的领域深入学习，并有一个问题，以确定两个图像是否具有一致的颜色和纹理。例如，我有一个
现在，关于这张图像，我需要确定以下图像是否具有均匀的纹理和颜色分布-
图像3 -我需要开发一个算法，它将用主图像来评估这由于图像的颜色和纹理的均匀性，算法需要对图像1进行审批，拒绝image2。
我解决这个问题的方法是直接分析图像以进行纹理检测。我发现
浏览 0提问于2019-01-13得票数 1
回答已采纳
1回答
我在CNN做图像分类，我有一套3200 imges的训练集和400张图像的训练集。我使用了两种不同的方法来完成这个分类:转移、学习和从头开始创建CNN。在转移学习的情况下，我的准确率为85%，而从零开始构建网络的准确率为89%。
但是通常一个小的数据集不应该传输精益有更好<e
浏览 0提问于2019-12-14得票数 1
回答已采纳
._5_small.csv，并将标签与编码数据隔离开来。现在，我决定用logistic回归来预测编码数据中的图像。我使用了随机梯度下降，在吴家祥机器学习课程中解释了这一点。但我不认为我做得对。在遵循代码之前，下面是我所做的步骤：
将仅含train_labels_3_5和5的3转化为1和0。所以我想预测3的图像。随机调整train_data_3_5和train_labels_3_5的
浏览 0提问于2018-04-01得票数 1
回答已采纳
1回答
模型不是学习
、、、
我正在尝试训练一个张流js模型从我的网络摄像头的图像。基本上，我是在尝试重现pac-man张量流游戏。这个模型并没有收敛，在训练后也几乎毫无用处。我有预感我是怎么准备数据的。batch, logs) =>{ } return data模型output.dataSync());
return prediction
浏览 0提问于2019-05-01得票数 1
回答已采纳
1回答
我有大约10000输入图像与3个不同的类，输入大小为80x80。模型结构使用具有imagenet权重的resnet，然后是几个密集的嵌入层： weights="imagenet", input_shape=image_input_shape, include_top=Falsetrainable = False l
浏览 0提问于2021-09-07得票数 0
2回答
我已经使用Keras的LSTM构建了一个模型，该模型可以检测堆栈溢出上的两个问题是否重复。当我运行模型时，我在纪元中看到了类似这样的东西。==============] - 67s - loss: 0.3136 - acc: 0.8581 - val_loss: 0.3518 - val_acc: 0.8391
我正在尝试理解这些术语中的每一个的含义上面的哪个值是我的模型的准确性。我对机器学
浏览 1提问于2018-07-15得票数 20
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
