因此，我随机尝试了一些特定的图像，以找到它的no。通道数 x=Image.open(dataset['image'][1100]) AttributeError: 'PngImageFile' object has no attribute'shape'
AttributeError: 'PngImageFile' object has no attribute 'ndim' 我想知道前100张图片的通道</e
浏览 23提问于2020-09-18得票数 0
回答已采纳
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。这是真的吗？我的印象是，不管有多少频道，
浏览 0提问于2020-07-19得票数 2
回答已采纳
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
1回答
我是CNN的新手，我想问一下，例如SSD中的频道是做什么的？它们存在的原因是什么？例如18X18X1024 (第三个数字)？
谢谢你的回复。
浏览 5提问于2020-01-13得票数 0
1回答
我有一个CNN，它需要输入的图像是形状通道，大小，大小，但当我使用imutils videostream函数获得帧时，我得到了形状大小，大小，通道的帧。使用numpy重塑这个框架使我的CNN无法识别框架中的内容，也无法正确地对任何内容进行分类。 有什么方法可以指定我想要的帧的形状吗？或者以一种我保留图像的方式重塑框架？
浏览 19提问于2020-01-23得票数 0
回答已采纳
我的问题与Keras中Conv1D层中涉及的张量的维度有关。输入形状应该是(批处理、步骤、通道)。例如，我有加速度计数据，其中我得到了每个轴的时间信号。然而，我不能完全确定我的加速度计的三个轴在这些数据中的位置。我会更期待下面的行为： input_shape =(批处理，步骤，通道)，output_shape =(批处理，steps_after_conv，通道，过滤器) 有人能解释一下凯拉斯的行为吗？从文档中我不太理解它。
浏览 38提问于2019-04-15得票数 1
回答已采纳
2回答
连接数据的ConvNet
、、、
假设我有一组1000个RGB图像，并从这组图像中训练一个CNN。显然，我可以将我的每个RGB图像分割成3个不同的灰度图像，每个表示红色、绿色和蓝色数组--从而创建了3000幅灰度图像。我的问题是:如果我从3000张灰度图像中训练CNN，我会从第一个CNN得到相同的参数吗？更准确地说，当我们用RGB图像给它喂食时，CNN是如何表现的呢？它是从RGB图像</e
浏览 0提问于2019-08-07得票数 3
1回答
我正在使用一个自定义数据集，其中包含实验室格式(Lightness，a，b)的不同大小的图像，这些图像被馈送到CNN。输入层有3个输入通道，所以我的想法是将所有3个通道(L，a，b)拆分，并将它们馈送到网络中。接下来，我想知道是否每个张量都需要转置？我的怀疑是，它会失去它的尺寸，这些尺寸在图像之间是可变的，我最终将无法重建图像。有什么想法或想法我应该如何使图像标准化？
浏览 17提问于2019-09-29得票数 0
回答已采纳
1回答
假设我们讨论的是二维卷积在图像上的应用。
在灰度图像中，数据是维数w \times h的矩阵，其中w是图像的宽度，h是它的高度。在彩色图像中，通常有3个通道:红色、绿色和蓝色；这样，彩色图像可以表示为维数w \times h \times c的矩阵，其中c是通道数，即3。卷积层接收图像(w \times h \times c)作为输入，并作为输出生成维数w' \times
浏览 0提问于2020-02-13得票数 2
回答已采纳
2回答
从图像中减去平均值
、、、
我正在和西亚诺一起实施CNN。在本文中，我必须在训练CNN之前对图像进行预处理。告诉我这些步骤是否正确(这是我所理解的) 1)计算整个图像的红通道、绿通道和蓝通道的平均值2)对于每个像素，从红色值减去红色通道的平均值，从绿色值减去绿色通道的平均值，从蓝色通道3的平均值中减去负值，还是使用
浏览 2提问于2015-04-20得票数 11
1回答
这种CNN架构是如何从输入层到第一卷积层工作的？hx98是输入矩阵维数，n是通道数还是输入数？我犯了什么错误？CNN</em
浏览 2提问于2022-04-27得票数 0
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。
浏览 0提问于2017-03-09得票数 1
回答已采纳
问题如果每个特性都是独立的，则需要使用每个特性。然而，对于CNN来说，RGB通道具有8位颜色的图像的特征(像素)是相关的。如果R通道中有256个像素在图像中，255个像素i和255个像素j都是白色的，这意味着相同的强度(？)R色的。那么为什么不使用批处理中整个数据的平均值呢？如果像素通道</e
浏览 0提问于2020-12-15得票数 2
回答已采纳
1回答
在使用CNN时，我想知道我的哪一个输入通道为神经网络提供了最多的信息来进行预测。 例如:这是一只青蛙的图像。美国有线电视新闻网应该预测图像中是哪种动物。因此，由于青蛙大部分时间都是绿色的，CNN最常使用RGB的G频道进行预测。 对于特定的神经网络，有没有办法找出哪个通道是最重要的？
浏览 13提问于2020-11-03得票数 0
因此，我遇到了一个问题，即如何在Keras中将CNN与RNN结合起来。在发布问题时，有人指出这是解决问题的正确方法。显然，我只是忽略了原始代码中的一些东西，这让我回答了自己的问题。原来的问题是：更清楚地说：
模型一:一个只看单个图像的CNN。模型二:在模型
浏览 4提问于2018-11-27得票数 9
2回答
我第一次为图像分类建立CNN模型，我有点搞不懂每种类型(一维CNN，2D CNN，3D CNN)的输入形状是什么，以及如何确定卷积层中的滤波器数目。我的数据是100x100x30，其中30是特性。以下是我在一维CNN中使用函数API Keras的文章： inpu
浏览 8提问于2021-02-16得票数 2
回答已采纳
1回答
我正在做图像分割项目，我有200个输入图像，并有正确的标签。在fastai中，你可以使用预先训练好的模型进行迁移学习。我已经完成了训练，使用了learn.summarry。我对如何确定输入层(初始数据)中的神经元数量感到困惑？我相信这与形状有关，但我不确定如何找出输入层中输入神经元的数量。请帮帮我！谢谢!
浏览 12提问于2020-05-27得票数 2
我正在为二进位分类任务建立和训练CNN。我从有标签的视频数据库中提取图像(帧)。该数据库声称有通过活动红外照明录制的视频。我提取的帧作为图像，有三个通道信息。由此产生的经过训练的算法(CNN模型)将部署在一个嵌入式板上，它将从标准的RGB usb摄像机中获取视频提要，并在帧级的基础上在视频提要上工作。注1:虽然数据库中的视频看起来像是“灰度”(由于视频的可见灰度，可能是由于主动红外照明)，但在处理过程中</e
浏览 0提问于2019-07-09得票数 0
2回答
我正在为MNIST时尚数据集创建CNN模型。我已经创建了一个成功的CNN模型。但我想对我从互联网上下载的另一张图像的分类模型进行测试。 我的所有训练和测试集的形状是(28，28，1)。但现在对于我想预测的图像，我将其调整为(28,28)，并将其设置为一个RGB通道 cv2.cvtColor(load_img_rz, cv2.COLOR_BGR2GRAY) 现在图像的形状是(28，28我试着将它输入到模型中，但它显示错误 ValueError: Input 0 of la
浏览 32提问于2021-03-20得票数 1
回答已采纳
1回答
在Fast中，我理解您首先将CNN应用于图像，以获得特征地图。然后，使用ROIs生成一个外部对象检测器(selectivesearch)来获取感兴趣的潜在对象的边界框。然后，我应用CNN(inceptionv3)得到一个2048x1特征向量(来自pool3层)。如何从图像的特征向量中获取感兴趣的区域，或者我是否不正确地解释此方法？
谢谢你的帮忙!
浏览 5提问于2017-07-21得票数 2
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
