腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(5042)
视频
沙龙
1
回答
用于
CNN
中间层
可视化
的
特征
映射
预处理
neural-network
、
conv-neural-network
、
feature-extraction
我正在尝试
可视化
我
的
CNN
的
中间层
,并来到互联网上
的
这个教程。在此代码中,羽化贴图在绘制之前进行了
预处理
: channel_image = layer_activation[0,:, :, col * images_per_row + row]channel_image += 128 channel_image = np.clip(channel_image, 0, 255).astype('
浏览 16
提问于2020-01-28
得票数 0
3
回答
利用TensorFlow神经网络提取
特征
python
、
neural-network
、
feature-extraction
我试着提取一组图像
的
特征
。我用
的
是站点
的
CNN
。 谁能告诉我如何使用
CNN
进行图像
的
特征
提取?我找了很多地方。但在任何地方都没有明确提到
特征
提取部分。
浏览 0
提问于2017-03-11
得票数 8
回答已采纳
1
回答
如何在UMAP中选择正确
的
维数?
pca
、
dimensionality-reduction
我想尝试将UMAP
用于
我
的
高维数据集作为
预处理
步骤(而不是
用于
数据
可视化
),以减少
特征
的
数量,但是我如何选择(如果有方法)正确
的
维度数量来
映射
原始数据?例如,在PCA中,您可以选择能够解释固定百分比方差
的
因子数量。
浏览 42
提问于2020-07-29
得票数 0
2
回答
计算机视觉
的
特点是什么?
deep-learning
、
computer-vision
、
convolution
、
image-segmentation
我正在学习U-NET网络是如何进行语义分割
的
。我读到卷积层使用它们
的
过滤器从图像中提取
特征
,但它们是什么呢?它们是拐角吗?边缘?颜色?我读过这篇文章"发现
特征
",但我想我需要更多关于它们
的
信息。
浏览 0
提问于2020-02-12
得票数 1
回答已采纳
1
回答
融合
CNN
和GRU模型
的
中间输出
conv-neural-network
、
recurrent-neural-network
、
feature-extraction
在我
的
研究工作中,我使用了两个流模型来进行活动识别。第一个流基于
CNN
,第二个流基于GRU。我已经从两个流
的
最后一个完全连接
的
层中提取了
特征
,然后训练一个SVM分类器进行分类。是否也可以将两个流
的
中间层
的
输出/
特征
映射
组合在一起,然后训练SVM? 谢谢
浏览 1
提问于2019-01-24
得票数 0
1
回答
如何
可视化
图像
的
GIST
特征
deep-learning
、
cnn
、
image-classification
我目前正在使用深度学习算法(通过使用GIST特性或
CNN
)开发一个图像分类应用程序。我需要帮助理解以下查询。
CNN
还是GIST,哪个更适合图像分类?与
CNN
相比,GIST过时了吗? 谢谢你,KK
浏览 0
提问于2019-03-20
得票数 3
回答已采纳
1
回答
利用MFCC和Mel谱图与
CNN
conv-neural-network
、
mfcc
我想得到一些反馈,为什么在许多研究论文中,研究人员通过卷积神经网络(
CNN
)传递MFCC?从本质上讲,
CNN
本身就是一个
特征
提取过程。谢谢!
浏览 5
提问于2021-08-27
得票数 0
回答已采纳
1
回答
提取
cnn
的
输出
python
、
keras
、
conv-neural-network
我已经训练了一个
cnn
模型来对狗和猫
的
图像进行分类,它提供了98%
的
准确率,但我想
可视化
cnn
层
的
输出,即我
的
cnn
预测它是狗还是猫
的
特征
,如果有什么方法可以
可视化
cnn
的
输出?
浏览 0
提问于2019-05-14
得票数 0
1
回答
CNN
与gabor滤波器
的
关系
image-processing
、
conv-neural-network
、
wavelet
、
gabor-filter
我正在学习使用gabor滤波器从图像中提取与方向和比例相关
的
特征
。另一方面,卷积神经网络也可以提取包括方向和尺度在内
的
特征
,是否有证据表明
CNN
中
的
滤波器具有与gabor滤波器类似的功能?或者他们两个
的
利弊。
浏览 47
提问于2019-07-25
得票数 1
1
回答
具有多对一设置
的
RNN,其中输出要使用。
python
、
machine-learning
、
recurrent-neural-network
、
pytorch
、
rnn
我介绍了一系列使用RNN进行文档分类(多对一)
的
机器学习示例。在大多数教程中,使用最后一步
的
RNN输出,即输入一个或多个密集层,将其
映射
到类
的
数量(例如,、)。但是,我也遇到了一些例子,其中使用
的
不是最后一个输出,而是所有时间步骤
的
平均输出(均值池?,例如,)。当然,这个平均输出
的
维数与最后一个输出相同。所以在计算上,这两种方法
的
工作原理是一样
的
。我
的
问题是,这两种不同方法之间
的
直觉是什么?由于递归
浏览 1
提问于2018-05-10
得票数 2
1
回答
特征
提取
的
结果是一种
特征
表示吗?
machine-learning
、
feature-selection
、
feature-engineering
、
feature-extraction
如果在图像上使用
特征
提取方法,那么我是得到一个
特征
表示还是在
特征
表示背后有不同
的
含义? 据我所知,当我在图像上使用
CNN
时,卷积层会执行
特征
提取。那么,我还可以说在每一层之后都有一个新
的
特性表示吗?
浏览 0
提问于2020-11-07
得票数 0
回答已采纳
2
回答
上卷积实现:实现来自哪里以及上采样
的
效果
deep-learning
、
conv-neural-network
人们以不同
的
方式实现上卷积。基本上,一种是进行分数步长卷积,另一种是首先对图像进行上采样,然后进行卷积。我在和UNet
的
实现中看到了第一个,但是我还没有在发表
的
论文
的
任何官方实现中看到第二个。不知道有没有人能举个例子,在出版物
的
官方源代码中使用第二种方法? 此外,在第二种方法中,上采样函数可以具有不同
的
行为(例如双线性、线性等)。但论文
的
作者通常只说“上卷积/上采样”。(没有找到关于这个主题
的
论文)
浏览 1
提问于2017-11-09
得票数 2
1
回答
分割掩码、RCNN和FPN
deep-learning
、
computer-vision
、
image-segmentation
、
image-recognition
我正在读来自Facebook Research
的
报纸。 因此,问题是:我们是只使用RPN
的
最后一个<e
浏览 0
提问于2018-05-11
得票数 5
回答已采纳
1
回答
卷积神经网络
的
正确结构是什么?
machine-learning
、
neural-network
、
convolution
、
deep-learning
我已经看到了几种不同
的
卷积神经网络(
CNN
)
的
架构。我搞不懂哪一种是标准,以及如何决定使用什么。我并不为所使用
的
层数或所涉及
的
参数数目感到困惑,而是对网络
的
组件感到困惑。假设: CL,SL,CL,SL,CM,SoftmaxCL,SL,CL,SL,NN,Softmax CL,SL,CL,
浏览 2
提问于2014-10-17
得票数 3
1
回答
是否可以在Keras中看到Conv2D层之后
的
输出?
python
、
image-processing
、
keras
、
deep-learning
我正在努力理解每一层
的
Keras,同时实现
CNN
。可以看到应
用于
输入图像
的
不同
特征
映射
矩阵,以得到卷积层,可以看到在Conv2D步骤完成后生成
的
矩阵
的
值。 提前感谢
浏览 5
提问于2020-01-01
得票数 1
回答已采纳
1
回答
为什么
CNN
的
第一层和最后一层
的
重量变化而
中间层
没有变化?
machine-learning
、
python
、
deep-learning
、
tensorflow
我
的
第一个和最后一个卷积层
的
权重确实发生了明显
的
变化。然而,其余
的
卷积层,在中间,没有。有什么解决办法(如果这完全是个问题)?我很高兴在评论
的
基础上添加细节。
浏览 0
提问于2020-03-02
得票数 3
回答已采纳
2
回答
图像数据集中
的
特征
machine-learning
、
deep-learning
、
conv-neural-network
、
feature-extraction
众所周知,在机器学习模型
的
数据集中有几个
特征
。只有图片
的
数据集是否也包含功能?我不知道说什么才好。
浏览 4
提问于2020-02-26
得票数 0
回答已采纳
1
回答
我可以在
CNN
完全连接
的
图层以外
的
图层中应用Dropout吗?
deep-learning
、
cnn
、
dropout
我已经阅读和看到,在
CNN
中,我们在完全连接
的
层之间应用了辍学层,以减少过度拟合。 我们是否也可以应用退出层之间
的
CONV层和池层。我还没有见过这种方法
的
模型。
浏览 0
提问于2020-10-29
得票数 0
4
回答
卷积神经网络中
的
批量归一化
machine-learning
、
computer-vision
、
deep-learning
、
conv-neural-network
、
batch-normalization
我是卷积神经网络
的
新手,我只知道
特征
映射
以及如何对图像进行卷积来提取
特征
。我很高兴知道在
CNN
中申请批量正常化
的
一些细节。我读了这篇文章,,可以理解应
用于
数据
的
BN算法,但最后他们提到,当应
用于
CNN
时,需要稍加修改: 对于卷积层,我们还希望归一化服从卷积性质,从而使同一
特征
映射
的
不同元素在不同
的
位置以相同
的
方式规范化。1,我
浏览 12
提问于2016-07-24
得票数 88
1
回答
在经过训练
的
CNN
中,每层检测到
的
模式是如何绘制
的
?
deep-learning
、
visualization
、
convolutional-neural-network
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。第一层代码
用于
边缘,
中间层
代码
用于
简单
特征
(例如鼻子、眼睛),后一层代码
用于
整个人脸。然而,我没有看到图片中
的
每一种
浏览 0
提问于2016-12-10
得票数 5
回答已采纳
点击加载更多
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
迷你自动驾驶汽车深度学习特征映射的可视化
从可视化到新模型:纵览深度学习的视觉可解释性
人工智能–卷积神经网络
CNN可视化最新研究方法进展
可解释机器学习技术之后置全局可解释详解
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券