论文：VIFNet: An End-to-end Visible-Infrared Fusion Network for Image Dehazing

卷积神经网络是一种在图像分类与识别任务中表现优异的深度学习模型。它通过交替使用卷积层、池化层和全连接层来提取图像特征并进行分类。在Python中，我们可以使用K...

1×1卷积可以用来干什么？本文设计了一种完全基于1×1卷积的极简深度神经网络，实现了轻量图像超分辨率重建。

人脸检测是微表情识别的关键步骤之一。常用的算法包括Haar级联分类器、深度学习中的卷积神经网络（CNN）等。这些算法能够在图像中准确地定位和标识人脸的位置。

同时，本文将使用Keras的API构建模型，以方便模型设计和编写简洁的代码。首先导入相关的库函数：

在如今的网络时代，错综复杂的大数据和网络环境，让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年，深度学习逐渐走进人们的视线，通过深度学习解决若...

余弦卷积核仅有幅值和频率两个可学习参数，这使得由余弦卷积算子构成的余弦卷积神经网络可解释性增强的同时，参数量显著少于传统卷积神经网络。论文还详细介绍了余弦卷积算...

我们首先了解一个概念，感受野，即每个神经元仅与输入神经元相连接的一块区域。在图像卷积操作中，神经元在空间维度上是局部连接的，但在深度上是全连接。局部连接的思想，...

间接免疫荧光（IIF）是一种通过荧光标记的二级抗体间接检测患者血清中特定抗原的自体抗体的技术，广泛应用于如系统性红斑狼疮等自身免疫疾病的诊断。HEp-2细胞，因...

2023年底出现了一篇论文介绍了一种新的卷积网络结构AKConv，它是可变形卷积网络结构的基础更进一步，实现了一种更加随机的卷积结构与参数选择的卷积神经网络结构...

卷积的时候需要对卷积核进行180的旋转，同时卷积核中心与需计算的图像像素对齐，输出结构为中心对齐像素的一个新的像素值，计算例子如下：

本篇主要分享卷积神经网络（CNN）的数学原理解析，会让你加深理解神经网络如何工作于CNNs。出于建议，这篇文章将包含相当复杂的数学方程，如果你不习惯线性代数喝微...

池化操作通常也叫做子采样（Subsampling）或降采样（Downsampling），在构建卷积神经网络时，往往会用在卷积层之后，通过池化来降低卷积层输出的特...

既然叫卷积神经网络，这里面首先是卷积，然后是神经网络，是二者的一个结合，卷积这个概念实际上来自信号处理领域，一般是对2个信号进行卷积运算，见下图：

卷积神经网络是一种用来处理局部和整体相关性的计算网络结构，被应用在图像识别、自然语言处理甚至是语音识别领域，因为图像数据具有显著的局部与整体关系，其在图像识别领...

论文: Energy-based Out-of-distribution Detection

论文: Is it Enough to Optimize CNN Architectures on ImageNet?

此外，考虑到纹理信息，使用混合损失来增强噪声图像水印去除的鲁棒模型。与现有的卷积神经网络相比，提出的PSLNet在噪声图像水印去除方面非常有效。

本文分享论文A self-supervised CNN for image watermark removal，由西工大& 哈工大&台湾清华大学联合提出一种基于...