ICode9

精准搜索请尝试: 精确搜索
  • 《Deep Feature Extraction and Classification of Hyperspectral Images Based on Convolutional Neural Ne2022-09-14 21:31:07

    论文题目《Deep Feature Extraction and Classification of Hyperspectral Images Based on Convolutional Neural Networks》  论文作者:Y ushi Chen, Member , IEEE, Hanlu Jiang, Chunyang Li, Xiuping Jia, Senior Member , IEEE, and Pedram Ghamisi, Member , IEEE 论文发

  • 高光谱图像分类简述+《Deep Learning for Hyperspectral Image Classification: An Overview》综述论文笔记2022-09-10 17:01:51

    论文题目《Deep Learning for Hyperspectral Image Classification: An Overview》  论文作者:Shutao Li, Weiwei Song, Leyuan Fang,Yushi Chen, Pedram Ghamisi,Jón Atli Benediktsson 论文发表年份:2019         一、高光谱简述   高光谱成像是一项重要的遥感技术,它采

  • CNN卷积神经网络2022-09-05 15:00:08

    CNN网络结构 在神经网络的发展历史中介绍了,CNN被广泛应用与图像领域,本文对CNN网络结构与算法进行进一步的介绍。 基本网络结构 CNN的网络结构一般包括: 输入层 由若干卷积层、激活函数、池化层、全连接层组成的隐藏层 使用softmax激活函数的输出层 卷积运算 CNN中的卷积运行表示

  • 神经网络的发展历史2022-09-05 12:32:32

     1、三代神经网络的发展 第一代神经网络:感知器(1950s) 第一代神经网络又称为感知机,在1950年左右被提出来,算法分为输入层和输出层,输入和输出之间为线性关系,感知机无法处理非线性模型,即不能解决线性不可分的问题。 第二代神经网络:多层感知器MLP(1980s) 第二代神经网络为多层感知机(MLP),在

  • CNN 网络层定义的输入2022-08-24 12:31:30

    在CNN网络层定义中,发现了如下的问题:    其中红框的位置,应该是输入数据的维度,比如,我们这里的输入数据格式为: torch.Size([8, 4, 84, 84]),其中,8是batch-size, 4 为维度数,按说,红框位置处应为维度4,但这里却是直接使用input 数据,而不是input的格式或维度。   经研究,我们认为这是属

  • 适合初学者的使用CNN的数字识别项目:Digit Recognizer with CNN for beginner2022-08-01 14:32:52

    准备工作 数据集介绍 数据文件 train.csv 和 test.csv 包含从零到九的手绘数字的灰度图像。 每张图像高 28 像素,宽 28 像素,总共 784 像素。每个像素都有一个与之关联的像素值,表示该像素的亮度或暗度,数字越大表示越暗。该像素值是介于 0 和 255 之间的整数,包括 0 和 255。 训练数据

  • 可视化网络结构2022-07-23 10:35:28

    随着深度神经网络做的的发展,网络的结构越来越复杂,我们也很难确定每一层的输入结构,输出结构以及参数等信息,这样导致我们很难在短时间内完成debug。因此掌握一个可以用来可视化网络结构的工具是十分有必要的。类似的功能在另一个深度学习库Keras中可以调用一个叫做model.summary()的

  • 两阶段深度学习中的两阶段是指什么意思?2022-07-04 16:04:23

    在CV领域,两阶段通常指两阶段目标检测算法,俗称2-stage。 以最为经典的2-stage算法Faster R-CNN为例进行说明: 第一阶段是为了区分前景和背景,仅做二分类,同时回归得到前景所在的区域范围,称作RoI(Region of Interest),通常用矩形框表示,俗称bbox (bounding box); 第二阶段利用RoI在CNN提

  • 卷积神经网络在深度学习中新发展的5篇论文推荐2022-07-04 12:04:49

    1、Deformable CNN and Imbalance-Aware Feature Learning for Singing Technique Classification Yuya Yamamoto, Juhan Nam, Hiroko Terasawa https://arxiv.org/pdf/2206.12230 歌唱技术是利用音色、音高和声音的其他成分的时间波动来进行富有表现力的声乐表演。它们的分类是

  • Pytorch实现波阻抗反演2022-06-22 09:35:00

    Pytorch实现波阻抗反演 1 引言 地震波阻抗反演是在勘探与开发期间进行储层预测的一项关键技术。地震波阻抗反演可消除子波影响,仅留下反射系数,再通过反射系数计算出能表征地层物性变化的物理参数。常用的有道积分、广义线性反演、稀疏脉冲反演、模拟退火反演等技术。 随着勘探与

  • 卷积神经网络2022-06-21 13:02:58

    1,交叉相关,卷积 假设我们现在要做猫狗分类,如果还是用单纯的MLP(全连接)做的话,由于图片有很多的像素点,那么我们的输入就会有很多,对应就要有更多的参数。想要训练这个模型将不可实现,因为需要有大量的GPU、分布式优化训练的经验和超乎常人的耐心。但是其实不用,图像中本就拥有丰富的结构,

  • 在看英美剧的时候,英文字幕能看懂但是却听不懂,要怎样改变这样的状况?2022-06-20 23:00:47

    在看英美剧的时候,英文字幕能看懂但是却听不懂,要怎样改变这样的状况? 回答1 I'm sorry to hear you are struggling with this. It is perfectly understandable that you have trouble understanding English as easily as Chinese. I know how hard and frustrating it can be to

  • 【简读】3DConvCaps: 3DUnet with Convolutional Capsule Encoder for Medical Image Segmentation2022-06-08 22:34:07

    简读 还是源于Unet的,将Unet的模块替换成了胶囊网络,替换源于CNN中存在以下原因: (1)CNN中的池化会丢失一部分空间信息(个人觉得这个是见仁见智的,如果不通过池化,特征提取就可能满足不了平移不变性了) (2)CNN对旋转和仿射变换敏感(CNN的卷积有良好的平移不变性,若发生旋转特征识别就可能失效了

  • 深度学习与CV教程(12) | 目标检测 (两阶段,R-CNN系列)2022-06-07 18:35:55

    作者:韩信子@ShowMeAI 教程地址:http://www.showmeai.tech/tutorials/37 本文地址:http://www.showmeai.tech/article-detail/271 声明:版权所有,转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 本系列为 斯坦福CS231n 《深度学习与计算机视觉(Deep Learning for C

  • 神经网络与深度学习(邱锡鹏)编程练习5 CNN2022-06-07 13:00:37

    卷积神经网络(CNN) 问题描述: 利用卷积神经网络,实现对MNIST 数据集的分类问题。 数据集: MNIST数据集包括60000张训练图片和10000张测试图片。图片样本的数量已经足够训练一个很复杂的模型(例如 CNN的深层神经网络)。它经常被用来作为一个新 的模式识别模型的测试用例。而且它也是一

  • 深度学习入门(鱼书)学习笔记:第7章 卷积神经网络2022-06-03 00:32:03

    目录导航 第7章 卷积神经网络 7.1 整体结构 卷积神经网络(Convolutional Neural Network, CNN),新增了卷积(Convolutional)层和池化(Pooling)层。 7.2 卷积层 7.2.1 全连接层存在的问题 全连接层(Affine层)会忽视数据的形状。比如将三维图像数据拉平为一维数据。而卷积层可以保持数据形状

  • 斯坦福NLP课程 | 第11讲 - NLP中的卷积神经网络2022-05-14 07:31:06

    作者:韩信子@ShowMeAI,路遥@ShowMeAI,奇异果@ShowMeAI 教程地址:http://www.showmeai.tech/tutorials/36 本文地址:http://www.showmeai.tech/article-detail/248 声明:版权所有,转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 ShowMeAI为斯坦福CS224n《自然语言处理与

  • 目标检测学习1--概述2022-05-09 09:32:06

    https://www.cnblogs.com/kongweisi/p/10894415.html 上述博客的学习总结 1、什么是目标检测 与图像分类相比,目标检测主要在 检测+分类 2、目标检测分类 2.1传统目标检测方法 (候选区域+手工特征提取+分类器)HOG+SVM、DPM 2.2两步法 region proposal+CNN提取分类的目标检测框架 (R-C

  • 基于PPQ的CNN卷积神经网络INT8型量化感知训练应用小结2022-04-23 01:31:06

    1、引言 对于在FPGA端侧进行CNN卷积神经网络加速,合适的量化方法不仅能够有效的提升DSP在单位周期内的操作数,同样也能够降低对存储空间、片内外交互带宽、逻辑资源等的需求。例如采用16Bit量化方式,每个DSP可以进行1次乘法运算;采用8Bit量化方式,DSP可以进行2次乘法运算,这个在之前的博

  • 神经网络初始化:xavier,kaiming、ortho正交初始化在CNN网络中的使用2022-04-21 15:01:52

    xavier、ortho是神经网络中常用的权重初始化方法,在全连接中这两种权重初始化的方法比较好理解,但是在CNN的卷积网络中的具体实现却不好理解了。           在CNN网络中xavier的初始化可以参看: 【转载】 xavier,kaiming初始化中的fan_in,fan_out在卷积神经网络是什么意思

  • 深度学习教程 | CNN应用:目标检测2022-04-14 07:00:34

    作者:韩信子@ShowMeAI 教程地址:http://www.showmeai.tech/tutorials/35 本文地址:http://www.showmeai.tech/article-detail/223 声明:版权所有,转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容 本系列为吴恩达老师《深度学习专业课程》学习与总结整理所得,对应的课

  • TransReID: Transformer-based Object Re-Identification [2102.04378v2] - 论文研读系列(3) 个人笔记2022-04-13 09:33:52

    TransReID: Transformer-based Object Re-Identification [2102.04378v2] 论文题目:TransReID: Transformer-based Object Re-Identification 论文地址:http://arxiv.org/abs/2102.04378v2 代码:https://github.com/heshuting555/TransReID 21年2月文章 1、摘要简介 构建了一个基

  • CNN 卷积神经网络2022-04-07 08:00:34

    LeNet 由 Yann LeCun 发明的著名的 LeNet. 原版中激活函数用的都是 $\mathrm{sigmoid}$, 现在看来用 $\mathrm{ReLU}$ 或 $\mathrm{tanh}$ 也许会更合适.   Fashion - mnist 数据集的识别 数据下载 def gener(): trans = transforms.ToTensor() mnist_train =

  • 神经网络在文章摘要生成中调研2022-03-25 11:33:08

    前段时间因为需要,进行了神经网络在智能摘要的应用,正好写下来 1. 开放数据   1.开放数据 DUC, Daily Mail/CNN, Gigaword, LCSTS(唯一中文微博标题生成语料)[1] 2.智能摘要形式[2-4] Extract (抽取式,优点:语法无误,缺点:压缩性不高,句子间衔接不够通顺) Abstract(生成式,优点:通顺,压缩性高

  • Multi-View Spatial Aggregation Framework for Joint Localization and Segmentation of Organs at Risk i2022-03-18 21:04:58

    Multi-View Spatial Aggregation Framework for Joint Localization and Segmentation of Organs at Risk in Head and Neck CT Images 头颈部CT图像中风险器官的联合定位和分割的多视图空间聚合框架 发表期刊:IEEE Transactions on Medical Imaging 发表时间:2020年 摘要 头颈

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有