1回答
Unet是一种非常流行的网络架构，用于各种计算机视觉任务。通常，Unet编码器具有下采样2的下采样层，这意味着使用的卷积层的步长将为2，滤波器大小>3。对于我正在尝试的问题，我希望执行8次下采样(每次2次)。而不是在编码器中有8层，我想我可以有4层，每层下采样4个。为此，我不认为像3或5这样的滤镜大小有多大意义-在滑动过程中，滤镜最终将不会覆盖某些像素。我想得到一些关于我需要如何改变过滤器大小的</em
浏览 37提问于2021-09-08得票数 6
我正在尝试建立一个基于提出的架构的有线电视新闻网。模型图只指定了滤波器和内核大小，而没有指定步幅和填充。这是我第一次从头开始构建cnn，所以我不确定我是不是选择了这些值，还是有什么规则？我在github上找到了相同cnn的一些版本，它们在每一层使用相同的步幅和填充类型的值，但这些值并不在论文中的任何位置。如有任何帮助，将不胜感激
浏览 1提问于2019-10-30得票数 0
1回答
在卷积神经网络(CNN)中，选择了一种滤波器进行权值分担。例如，在下面的图片中，选择了一个具有步长(相邻神经元之间的距离)1的3x3窗口。
因此，我的问题是：如何选择窗口大小？，如果我使用4x4的步幅为2，会造成多大的差异？提前谢谢！
浏览 3提问于2017-10-31得票数 8
回答已采纳
3回答
卷积神经网络过拟合
、、、、
我建立了一个CNN来学习分类脑电图数据(只有大约4000个训练例子，2个班，50-50级平衡)。每个培训示例为64x512，每个通道有5个。我试图使网络尽可能简单/小，以便进行测试：MaxPool完全连接(50个神经元)软极问题是，无论我如何处理过滤参数(大小、步幅、数字)，我的网络总是过于合适。它符合100%的训练数据，但无论我做什么，我都不
浏览 0提问于2016-12-05得票数 7
当创建卷积神经网络(CNN)时(例如，如中所描述的)，输入层与一个或多个滤波器连接，每个滤波器表示一个特征映射。在这里，滤波器层中的每个神经元与输入层中的几个神经元相连。在最简单的情况下，我的n个滤波器都有相同的维数，并且使用相同的步幅。
如何确保过滤器学习不同的特征，尽管它们是用相同的</em
浏览 3提问于2016-05-26得票数 2
1回答
有人能解释卷积和次采样层之间的区别吗？
在卷积步骤中，我们定义了带权值的卷积滤波器()，而在次采样步骤中，我们应用卷积滤波器，并使用大步和池来确定它们的大小，这是正确的吗？
浏览 2提问于2018-12-05得票数 0
回答已采纳
1回答
什么是分步褶积层？
、、、
在纸使用上下文金字塔CNN生成高质量的人群密度图中，在3.4节中，它说
由于这项工作的目的是估计高分辨率和高质量的密度图，所以using是使用一组卷积和分步的卷积层来构造的。这组分数步幅卷积层帮助我们恢复输出密度图中的细节。second采用如下结构: CR(64,9)-CR(32,7)- TR(32)-CR(16,5)-TR(16)-C(1,1)，其中，C是卷积层，R是ReLU层，T是分步卷积层，每个括号内的第一个数
浏览 0提问于2019-04-15得票数 10
回答已采纳
为了实现同样的填充物，CNN的步幅1和膨胀>1，我把填充如下：根据，我期望输入和输出大小是一样的，但是没有发生！使用后：
浏览 11提问于2022-07-28得票数 0
2回答
最后一天，我学习了卷积神经网络，并使用Tensorflow完成了CNN的一些实现，所有的实现都只指定滤波器的大小、数目和步幅。但是，当我了解到过滤器时，它说，过滤器在每一层提取不同的特征，如边缘，角等。
我的问题是，我们是否可以明确指定筛选器，我们应该提取哪些特征，或者图像的哪个部分更重要等等。所有的解释都说，我们把一个输入图像的一小部分--一张幻灯片--在它上旋转。如果是这样的话，我们会把图像<e
浏览 5提问于2017-07-18得票数 3
回答已采纳
1回答
我试图理解CNN，特别是使用Matlab作为编码语言的数学和工作机制。对于这个概念和相关的编程，我几乎没有什么困惑，我会非常感激一个直观的答案。我可以计算的第一个卷积层的输出:在第一层中，大小为[50 50 2]
浏览 0提问于2019-12-25得票数 3
回答已采纳
层的步幅、滤波器大小和填充参数不决定该层的输出形状，类似于卷积过程中确定的输出形状吗？
浏览 0提问于2017-04-26得票数 3
TensorFlow的conv2d()操作允许您在"VALID" (没有填充)和"SAME" (零填充)之间进行选择。我认为所有其他框架都允许您这样做。我试图理解零填充的利弊:你想什么时候使用它，还是不使用它？
到目前为止，我的理解是，如果滤波器的大小相对于输入图像大小很大，那么如果没有零填充，输出图像就会小得多，经过几层之后，您将只剩下几个像素。因此，要保持合理大小的
浏览 0提问于2016-09-08得票数 5
回答已采纳
1回答
我当时正在读AlexNet的论文(即“用深层卷积神经网络进行ImageNet分类”)。引言部分将“统计的平稳性”和“像素相依的局部性”作为卷积神经网络的两个强有力的假设。我知道后者指的是图像中局部模式的存在，但“统计平稳性”的含义是什么？
浏览 1提问于2018-12-08得票数 2
1回答
我正在研究CIFAR10数据集，并创建了一个CNN模型，如下所示。，其中包括：ReLU激活层ReLU激活层我想是我写的。但我认为我走错了路。请帮助我编写正确的模型，以及在Conv2d和线性层中这些参数背后的原因。我从代码中得到
浏览 5提问于2021-12-06得票数 0
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。但是，我不明白如何从与感兴趣区域相关联的功能映射中获得这些特性。
例如。应用Selectivesearch，我得到一个列表(x，y，宽度，高度)。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
浏览 5提问于2017-07-21得票数 2
在CNN中，较小的滤波器尺寸(例如3x3)是否可能比较大的滤波器尺寸(例如10x10)更容易过度拟合。
我知道这都取决于手头的特定数据集，但我只是试图从偏差方差权衡的角度来理解这一点。根据我的解释，更小的滤波器大小将训练CNN在每幅输入图像中识别更多的局部模式，可能导致更大的差异(和过度拟合问题)，而较大的<e
浏览 0提问于2021-06-11得票数 1
1回答
一维卷积神经网络
、、
有人能解释一下“一维卷积神经网络”的工作原理吗？我确实理解图像的2D，但是对于1-D是如何创建的。它是在特定的时间间隔内固定一维滤波器，还是与我们在信号处理中将信号与滤波器相转换的操作相同？
浏览 0提问于2019-03-16得票数 1
回答已采纳
我正在尝试实现在一种用于投资组合管理的层次深Q网络框架中描述的CNN (见截图)。本文将CNN的第一层描述为内核为1x3，采用形状(2,10,4)的价格张量，输出了32幅大小为2x5的特征图。实际报价如下：
第一层和第二层:如图1所示，first CNN层收到价格张量，尽管尺寸(2，10，4)。在这一层中，我们得到了32个特征映射，每个特征映射的大小为2×5，这些特征映射被下一个<e
浏览 0提问于2022-12-16得票数 0
tf.random_normal([3,3,5,7]))在上面的代码中，输出大小将是(10x3x3x7).Does，这意味着总共将有70个大小为(3x3)的图像，因为滤镜有7个通道，所以10x7是图像的总数吗？
浏览 0提问于2017-05-14得票数 1
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
