c#
安全
WS2812驱动程序
机制与策略
高光谱图像
js
dreamweaver
chrome
批量
FANUC机器人
离线仿真项目
Pyinstaller
日志收集
NTF
全屋智能接口
运维实战
邮件营销
clipStudioPaint
卸载的软件怎么恢复
node-red
cnn
2024/4/11 15:30:35
FFDNet-pytorch版本代码测试教程
一、FFDNet-pytorch版本代码下载
（1）FFDNet-pytorch下载 https://download.csdn.net/download/qq_41104871/88233742
二、FFDNet-pytorch版本代码运行环境配置
（1）FFDNet-pytorch版本代码运行环境配置 https://blog.csdn.net/q…
CNN（卷积神经网络）、RNN（循环神经网络）、DNN（深度神经网络）的内部网络结构有什么区别？
【导师不教？我来教！】同济计算机博士半小时就教会了我五大深度神经网络，CNN/RNN/GAN/transformer/LSTM一次学会，简直不要太强！_哔哩哔哩_bilibili了解的五大神经网络，整理笔记如下：
视频是唐宇…
【CAM】CAM(Class Activation Mapping)——可视化CNN的特征定位
文章目录 一、CAM(Class Activation Mapping)二、CAM技术实现2.1 网络修改2.2 微调2.2 特征提取 三、总结Reference 完整代码见Github ：https://github.com/capsule2077/CAM-Visualization ，如果有用可以点个Star，谢谢！ 一、CAM(C…
卷积神经网络（VGG-16）猫狗识别
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据 二、数据预处理1. 加载数据2. 再次检查数据3. 配置数据集4. 可视化数据 三、构建VG-16网络四、编译五、训练模型六、模型评估七、保存and加载模型八、预测…
每天五分钟计算机视觉：搭建手写字体识别的卷积神经网络
本文重点
我们学习了卷积神经网络中的卷积层和池化层，这二者都是卷积神经网络中不可缺少的元素，本例中我们将搭建一个卷积神经网络完成手写字体识别。
卷积和池化的直观体现 手写字体识别
手写字体的图片大小是32*32*3的，它是一张 RGB 模式的图片，现在我们想识别它是从 …
【CNN】搭建AlexNet网络——并处理自定义的数据集（猫狗分类）
前言
2012年，AlexNet横空出世。它首次证明了学习到的特征可以超越手工设计的特征。它一举打破了计算机视觉研究的现状。 AlexNet使用了8层卷积神经网络，并以很大的优势赢得了2012年ImageNet图像识别挑战赛。
论文地址：http://papers.nips.c…
深度学习基础篇之卷积神经网络（CNN）
一、CNN的基本结构
首先我们来看CNN的解百纳结构，一个常见的图像识别CNN模型如下图： 从图中可以看出最左边的图像就是模型的输入层，在计算机中就是若干个矩阵，这点与DNN类似。
接着是卷积层（Convolution Layer&…
CNN记录】pytorch中flatten函数
pytorch原型
torch.flatten(input, start_dim0, end_dim- 1)
作用：将连续的维度范围展平维张量，一般写再某个nn后用于对输出处理，
参数：
start_dim：开始的维度
end_dim：终止的维度，-1为最后…
卷积神经网络卷积层公式,卷积神经网络运算公式
卷积神经网络算法是什么？
一维构筑、二维构筑、全卷积构筑。
卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习&a…
卷积神经网络CNN学习笔记-MaxPool2D函数解析
目录 1.函数签名:2.学习中的疑问3.代码 1.函数签名:
torch.nn.MaxPool2d(kernel_size, strideNone, padding0, dilation1, return_indicesFalse, ceil_modeFalse)
2.学习中的疑问
Q:使用MaxPool2D池化时,当卷积核移动到某位置,该卷积核覆盖区域超过了输入尺寸时,MaxPool2D会…
第85步 时间序列建模实战：CNN回归建模
基于WIN10的64位系统演示
一、写在前面
这一期，我们介绍CNN回归。
同样，这里使用这个数据：
《PLoS One》2015年一篇题目为《Comparison of Two Hybrid Models for Forecasting the Incidence of Hemorrhagic Fever with Renal Syndrome i…
神经网络 卷积神经网络,卷积神经网络动画演示
龚自珍的简介越少越好。
龚自珍（1792年8月22日－1841年9月26日），字璱人，号定庵。汉族，仁和（今浙江杭州）人。晚年居住昆山羽琌山馆，又号羽琌山民。清代思想家、诗人、文学…
卷积神经网络的基本操作,卷积神经网络基本原理
卷积神经网络通俗理解
。
卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法…
卷积神经网络CNN介绍：结构框架，源码理解
1. 卷积神经网络结构
卷积神经网络是一个多层的神经网络，每层都是一个变换（映射），常用卷积convention变换和pooling池化变换，每种变换都是对输入数据的一种处理，是输入特征的另一种特征表达；每…
PyTorch深度学习（五）【卷积神经网络】
卷积神经网络(基础篇)： 下采样（Subsampling）：通道数不变，减少数据量，降低运算需求。 做这个卷积： 网络： 最大池化层（MaxPooling）：通道数不变&…
T-GCN:用于交通流预测的时序图卷积网络
1.文章信息 本次介绍的文章是2020年发表在IEEE 智能交通系统汇刊上的《T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction》。 2.摘要 为了同时捕获空间和时间依赖性，本文提出了一种新的基于神经网络的交通流预测方法——时间图卷积网络(T-GCN…
神经网络模型之AlexNet的一些总结
目录：
1.背景
2.框架介绍
3.步骤详细说明
5.参考文献 背景：
AlexNet是在2012年被发表的一个金典之作，并在当年取得了ImageNet最好成绩，也是在那年之后，更多的更深的神经网路被提出，比如优秀的vgg,Goog…
卷积神经网络CNN经典模型整理Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning
关于卷积神经网络CNN，网络和文献中有非常多的资料，我在工作/研究中也用了好一段时间各种常见的model了，就想着简单整理一下，以备查阅之需。如果读者是初接触CNN，建议可以先看一看“Deep Learning（深度学习&…
python：使用卷积神经网络(CNN)进行回归预测
作者：CSDN @ _养乐多_
本文详细记录了从Excel或者csv中读取用于训练卷积神经网络（CNN）模型的数据，包括多个自变量和1个因变量数据，以供卷积神经网络模型的训练。随后，我们将测试数据集应用于该CNN模型，进行回归预测和分析。
该代码进一步修改可用于遥感影像回归模型. …
基于YOLOv8的道路缺陷检测：自研模块 MSAM 注意力 PK CBAM注意力，实现暴力涨点
💡💡💡本文自研创新改进：MSAM（CBAM升级版）：通道注意力具备多尺度性能，多分支深度卷积更好的提取多尺度特征，最后高效结合空间注意力 1）作为注意力MSAM使用&am…
【教学】手写汉字识别，含训练代码，界面演示，1w字教学
直接上最终效果图 运行界面很简单，只要在代码中输入python 03文字识别界面程序.py即可弹出识别汉字的qt界面
python 03文字识别界面程序.py 主要是两个按钮的手写汉字识别，一个是通过画板来实现手写汉字的识别，另一个则是通过加载图像进行汉字的识别。按钮的名称可自行修改…
卷积神经网络CNN学习笔记-卷积计算Conv2D函数的理解
目录 1.全连接层存在的问题2.卷积运算3.填充(padding)3.1填充(padding)的意义 4.步幅(stride)5.三维数据的卷积运算6.结合方块思考7.批处理8.Conv2D函数解析9.conv2d代码9.1 stride19.2 stride2 参考文章 1.全连接层存在的问题
在全连接层中，相邻层的神经元全部连接…
【CNN记录】transpose函数
在CNN模型中经常会看到transpose算子，transpose就是对多维数组进行转置操作。 下面我们用numpy里面的transpose函数进行理解学习。 1、二维数组
import numpy as npanp.arange(6).reshape(2,3)
print("before transpose:")
print(a.shape)
print(a)a a.…
YOLOv7独家原创改进：创新自研CPMS注意力，多尺度通道注意力具+多尺度深度可分离卷积空间注意力，全面升级CBAM
💡💡💡本文自研创新改进：自研CPMS, 多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM 1）作为注意力CPMS使用；
推荐指数：五星
CPMS | 亲测在多个数据集能够实现涨点，对标CBAM。 收录
YOLOv7原创自研
https://blog.csdn.net/m0_63774211/ca…
YOLOv7改进策略：SCConv空间和通道重建卷积，即插即用，助力检测 | CVPR2023 SCConv
💡💡💡本文改进：SCConv（空间和通道重建卷积），一个即插即用的架构单元，可以可以直接用来替代各种卷积神经网络中的标准卷积。
SCConv | 亲测在多个数据集能够实现涨点 收录：
YOLOv7高阶自研专栏介绍：
http://t.csdnimg.cn/tYI0c
✨✨✨前沿最新计算机顶会复现…
课程设计(毕业设计)—基于机器学习(CNN+opencv+python)的车牌识别—(可远程调试)计算机专业课程设计(毕业设计)
基于机器学习(CNNopencvpython)的车牌识别
下载本文机器学习(CNNopencvpython)的车牌识别系统完整的代码和参考报告链接（或者可以联系博主koukou(壹壹23七2五六98)，获取源码和报告）https://download.csdn.net/download/shooter7/88548767此处…
2023/4/16周报
目录
摘要
论文阅读
1、标题和现存问题
2、模型构建
3、方法实现
4、实验结果
5、扩展实验
深度学习
1、GNN特点
2、原理
3、GNN数据处理
总结 摘要
本周在论文阅读上，阅读了一篇基于图神经网络的技术识别链接预测方研究论文。通过融合了时间特征的专利…
深度学习设计基于Tensorflow卷积神经网络猫的品种识别系统
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 基于Tensorflow卷积神经网络的猫的品种识别系统可以用于自动识别猫的品种类型。下面我将为您介绍一下这个系统的基本…
Faster R-CNN论文阅读记录
Faster R-CNN：Faster Region-based Convolutional Network method 该论文的标题是：Towards Real-Time Object Detection with Region Proposal Networks，可以看出Region Proposal Networks(RPNs)是实现实时检测的关键。RPNs：区域建…
2023一区优化套用:KOA-CNN-BiGRU-Attention融合注意力机制预测程序代码！直接运行！
适用平台：Matlab 2023版及以上
KOA开普勒优化算法，于2023年5月发表在SCI、中科院1区Top顶级期刊《Knowledge-Based Systems》上。 同样的，我们利用该新鲜出炉的算法对我们的CNN-BiGRU-Attention时序和空间特征结合-融合注意力机制的回归预测…
7、卷积神经网络：基础部件+LeNet
1、图像卷积
1. 互相关运算
严格来说，卷积层是个错误的叫法，因为它所表达的运算其实是互相关运算（cross-correlation），而不是卷积运算。在卷积层中，输入张量和核张量通过(互相关运算)产生输出张量。
首先…
用PyTorch对以MNIST数据集进行卷积神经网络
PyTorch构建深度学习网络一般步骤 加载数据集\color{red}加载数据集加载数据集；定义网络结构模型\color{red}定义网络结构模型定义网络结构模型；定义损失函数\color{red}定义损失函数定义损失函数；定义优化算法\color{red}定义优化算法定义优…
深度学习图像数据增广方法总结
参考：Data Augmentation | How to use Deep Learning when you have Limited Data—Part 2 文章目录1. 数据增广（Data Augmentation）2. 数据增广方法2.1 镜像（Flip）2.2 旋转（Rotation）2.3 缩放&…
Recurrent Feature Reasoning for Image Inpainting解读
掩码首先映射到卷积特征空间，并由共享特征推理反复进行处理。在特征完全恢复后，生成的特征图被合并在一起（上述省略了图），合并后的特征被转换回一个RGB图像。 区域识别处理和特征推理模块连续进行。经过几次推理后&am…
卷积神经网络——中篇【深度学习】【PyTorch】
文章目录 5、卷积神经网络5.5、经典卷积神经网络（LeNet）5.5.1、理论部分5.5.2、代码实现 5.6、深度卷积神经网络（AlexNet）5.6.1、理论部分5.6.2、代码实现 5.7、使用块的网络（VGG）5.7.1、理论部分5.7.2、代…
NoScope：极速视频目标检测
一.提出背景在基于CNN的方法提升到一个很高的准确度之后，效率又成为人们所关注的话题，目前兼备准确度和效率的方法包括 SSD、YOLO v2，其检测效率通常能到达 30-100FPS，而这里面的代价就是上万块的显卡，这个代价是相当高…
深度卷积神经网络（AlexNet）
目录
1.基础简介
1.1基础介绍
1.2基础架构
2.Alexnet与LeNet的对比
3.参考代码
4.李沐老师给出的例子 1.基础简介
1.1基础介绍
2012年，AlexNet横空出世。它首次证明了学习到的特征可以超越手工设计的特征。它一举打破了计算机视觉研究的现状。 AlexNet使用…
DPAFNet：一种用于多模式脑肿瘤分割的残差双路径注意力融合卷积神经网络
DPAFNet: A Residual Dual-Path Attention-Fusion Convolutional Neural Network for Multimodal Brain Tumor Segmentation DPAFNet：一种用于多模式脑肿瘤分割的残差双路径注意力融合卷积神经网络背景贡献实验方法ulti-scale context feature extraction block&…
深度模型压缩研究回顾
深度模型压缩研究回顾
作者：安静到无声 个人主页 目录 深度模型压缩研究回顾推荐专栏 在本节中，主要介绍了目前主流的深度神经网络压缩与加速方法，主要包括轻量化网络设计、参数量化、知识蒸馏、模型剪枝和硬件加速等，其中模型剪…
CNN与LeNet的应用-数字手写体识别
一、基本介绍
（一）卷积神经网络
卷积层是卷积神经网络的核心基石。在图像识别里我们提到的卷积是二维卷积，即离散二维滤波器（也称作卷积核）与二维图像做卷积操作，简单的讲是二维滤波器滑动到二维图像上所…
【CNN记录】pytorch gather函数
torch.gather(input, dim, index, *, sparse_gradFalse, outNone)
参数：
input：输入张量
dim：index按照哪个轴取值
index：取值用的索引张量
gather其实就是根据index中索引查找input中元素重排，数据都是原来的&#x…
视频人员行为识别（Action Recognition）
一. 提出背景目标：给定一段视频，通过分析，得到里面人员的动作行为。问题：可以定义为一个分类问题，通过对预定的样本进行分类训练，解决一个输入视频的多分类问题。这里提出的问题是简单的图片（视…
YOLOv8-Seg改进：Backbone改进 |Next-ViT堆栈NCB和NTB 构建先进的CNN-Transformer混合架构
🚀🚀🚀本文改进：Next-ViT堆栈NCB和NTB 构建先进的CNN-Transformer混合架构，包括nextvit_small, nextvit_base, nextvit_large，相比较yolov8-seg各个版本如下： layersparametersgradientsGFLOPsnextvit_small61033841075
几种典型的深度学习算法：（CNN、RNN、GANS、RL）
以下是几种典型的深度学习算法： 1、卷积神经网络（Convolutional Neural Network，CNN）：主要用于图像和视频等视觉任务。通过使用卷积层、池化层和全连接层等不同类型的神经网络层，CNN 可以学习图像中的特征并…
跟姥爷深度学习6 卷积网络的数学计算
一、前言
前面简单用TensorFlow的全连接网络做了气温预测然后深入了解了一下全连接网络的数学计算，接着用CNN（卷积）网络做了手写数字识别，本篇就接着这个节奏来看卷积网络的数学计算。
二、卷积网络回顾
前面我们使用卷积网络时…
深度学习入门-3-计算机视觉-卷积神经网络
一、计算机视觉
1.概述
计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场…
Fast R-CNN
目录
1. 关于 R-CNN 的缺点
2. Fast R-CNN
3. Fast R-CNN 算法的流程
3.1 CNN 特征提取
3.2 ROI pooling
3.3 Fast R-CNN 的输出
3.4 损失函数
4. Fast R-CNN的不足 1. 关于 R-CNN 的缺点
RCNN算法流程如下 RCNN算法分为四个步骤：
SS 算法生成2000个候选框…
图卷积神经网络 国科大沈华伟 视频笔记
图卷积神经网络 国科大 沈华伟_哔哩哔哩_bilibili老师讲得很好（膜大佬orzhttps://www.bilibili.com/video/BV1dT4y1o7VF/CNN 平移不变性CNN可以通过卷积核，学习到局部的平稳的结构，然后通过层层堆叠，得到层次化的presentation问题…
A ConvNet for the 2020s的总结
A ConvNet for the 2020s 博主看了论文和一些大佬总结的博客文档，可以总结的是FAIR团队真是太有钱了，真是做了大量的实验才能总结出这一个调参后的模型，把ResNet从76.1一步步干到82.0，让CNN框架又看到了一些希望啊！
7…
R-CNN发展历程及其优缺点
R-CNN
R-CNN是第一个将CNN用于目标检测的DL model，主要流程为以下几个部分：
使用无监督的选择性搜索（selective search）方法将输入图像具有相似颜色直方图特征的区域进行递归合并，大约产生2000个候选区域将候选区域裁…
为什么图像分割任务中经常用到编码器和解码器结构？
图像分割
编码器
编码器可以视为特征提取网络，通常使用池化层来逐渐缩减输入数据的尺寸大小
解码器
解码器通过上采样/反卷积等网络层来逐步恢复目标的细节和相应的空间维度。
引入池化层可以增加感受野，并能使特征提取聚焦在重要信息中，…
CNN优化trick
针对CNN优化
使用类似1*1 的网络结构预训练RGB数据使用大约 128（0.005） 到 256 （0.01）的 mini-batch 大小。如果这对你的 GPU 而言太大，将学习率按比例降到这个大小就行卷积层取代FC，并用全局平均池化来预…
CNN层调参经验与Drop层、BN层的使用经验
转载地址：https://www.cnblogs.com/bonelee/p/8534560.html
https://blog.csdn.net/sean2100/article/details/83834565 两篇文章主要给了两个结论：
结论一：CNN 文本分类模型优化经验——关键点：加卷积层和FC可以提高精度&#…
TextCNN模型详解
Text CNN
Overview
本节我们来重点介绍一下卷积神经网络在文本分类问题当中的应用。CNN网络在图像领域已经占据了主导地位，在文本领域也有不错的表现。在 "Convolutional Neural Network for Sentence Classification" 一文中，作者使用了CNN…
《Question Answering over Freebase with Multi-Column Convolutional Neural Networks》论文笔记
《Question Answering over Freebase with Multi-Column Convolutional Neural Networks》论文笔记
这篇文章于2015年发表在ACL，根据KBQA任务做法的宏观分类，这篇文章被《A Survey on Complex Question Answering over Knowledge Base: Recent Advances…
Multi-level Wavelet-CNN for Image Restoration论文总结
论文：Multi-level Wavelet-CNN for Image Restoration 源码：GitHub - lpj0/MWCNN: Multi-level Wavelet-CNN for Image Restoration 目录
一、背景和出发点
二、创新点
三、MWCNN具体实现
四、DWT与池化运算和膨胀卷积相关性证明
五、DWT、IWT代码实…
遥感影像识别-多类识别下的错分问题
前情提要
紧接前文： 遥感影像识别-利用较大数据集训练 通过上次制作的数据集进行训练，最终得到拟合的深度学习模型，接下来分析出现的问题以及解决的想法。
1. 训练前的准备(补充)
由于前一篇文章并未指出数据集的使用方式导致数据集被误认…
鍗风Н绁炵粡缃戠粶璁茶В,鍗风Н 绁炵粡缃戠粶
卷积神经网络工作原理直观的解释？
其实道理很简单，因为卷积运算，从频域角度看，是频谱相乘所以图像跟卷积核做卷积时，两者频谱不重叠的部分相乘，自然是0，那图像这部分频率的信息就被卷积核过滤了…
卷积神经网络与视觉计算,卷积神经网络的可视化
如何入门卷积神经网络
谷歌人工智能写作项目：小发猫 人工智能 卷积神经网络 计算机视觉 求大佬指点
人工智能的核心：深度卷积神经网络&深度强化学习什么叫人工智能？迄今有许多定义AI爱发猫。智能这个词已经变得很大众化随处可见&#x…
python卷积神经网络图像,卷积神经网络python实现
人工神经网络的发展趋势
人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。
人工…
神经网络是线性模型吗,人工神经网络预测模型
bp神经网络为什么要采用非线性函数来进行预测？
提问：bp神经网络为什么要采用非线性函数来进行预测？回答：简单的讲，主要是复杂的bp神经网络的行为动态及神经元之间的相互作用是无法用简单的线性函数来描述的࿰…
神经网络的参数范围包括,神经网络的参数范围是
神经网络 的四个基本属性是什么?
神经网络的四个基本属性：（1）非线性：非线性是自然界的普遍特征。脑智能是一种非线性现象。人工神经元处于两种不同的激活或抑制状态，它们在数学上是非线性的。
由阈值神经元组成的网…
神经网络调优全过程模拟,图神经网络 组合优化
1、TensorFlow神经网络调优？
训练集73%应该不够吧（笑） 先进一步拟合数据，让网络变得更深及更宽，具体可以的话128个节点可以继续加大，两层网络可以继续加深，以及选取更小的学习率（0.…
Tensorflow + 基于CNN神经网络的面部表情识别
最近在学习使用Tensorflow框架，在学习到了CNN卷积神经网络的时候，跟着书上写了一个基于CNN网络的一个面部表情识别的小项目。
说一下我的硬件设备：
CPU:G4560,,这什么年代了，我还在用4560，你敢信？&#x…
关于CNN中出现的诸如conv4_3、conv8_2、conv7等标识的含义
对CNN有所涉及的同学应该都知道，神经网络中并不是单纯地堆砌layer，但事实上也确实需要堆砌layer，但倘若堆砌的layer有周期性的重复，我们就可以将其封装成一个block，方便使用。 但如何判断conv4_3到底是指第4个卷积块中…
基于CNN-GRU-Attention的数据分类预测算法
代码的原理
基于CNN-GRU-Attention的数据分类预测算法是一种结合了卷积神经网络（CNN）、门控循环单元（GRU）和注意力机制的机器学习算法。该算法可以用于处理序列数据。
下面是该算法的主要步骤：
1. 输入数据预处理&a…
CNN实现与训练--------------以cifar10数据集为例进行演示（基于Tensorflow）
本文以cifar10数据集为例进行演示 （cifar10数据集有5万张3232像素点的彩色图片，用于训练有1万张3232像素点的彩色图片，用于测试）
import tensorflow as tf
import os
import numpy as np
from matplotlib import pyplot as plt
from tensorflow.keras.layers import Conv2…
AI：100-基于卷积神经网络的农作物生长状态监测
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的核心代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新…
R-CNN（CVPR2014）
文章目录 AbstractIntroductionObject detection with R-CNNModule designTest-time detection Visualization, ablation, and modes of errorSemantic segmentationConclusion 论文链接 源代码 Abstract
在经典PASCAL VOC数据集上测量的对象检测性能在过去几年中趋于稳定&…
【卷积神经网络】MNIST 手写体识别
LeNet-5 是经典卷积神经网络之一，1998 年由 Yann LeCun 等人在论文 《Gradient-Based Learning Applied to Document Recognition》中提出。LeNet-5 网络使用了卷积层、池化层和全连接层，实现可以应用于手写体识别的卷积神经网络。TensorFlow 内置了 MNI…
【行人识别】Deep Transfer Learning for Person Re-identification
Geng, Mengyue, et al. “Deep Transfer Learning for Person Re-identification.” arXiv preprint arXiv:1611.05244 (2016). 概述
本文解决行人的Re-Identification问题：判断两次出现的人是否是同一个人。在Market 1501竞赛中名列榜首，其Rank-1准确率…
深度学习卷积神经网络参数计算难点重点
目录 一、卷积层图像输出尺寸 二、池化层图像输出尺寸 三、全连接层输出尺寸 四、卷积层参数数量 五、全连接层参数数量 六、代码实现与验证 以LeNet5经典模型为例子并且通道数为1 LeNet5网络有7层： 1.第1层：卷积层 输入：原始的图片像素…
Faster R-CNN（2016.1）
文章目录 摘要引言过去计算proposals的算法我们提出的 相关工作Object ProposalsDeep Networks for Object Detection Faster R-CNNRegion Proposal NetworksAnchorsTranslation-Invariant AnchorsMulti-Scale Anchors as Regression References多尺度预测有两种流行的方法我们…
PyTorch 深度学习之卷积神经网络(高级篇)Advanced CNN(十)
0. Revision
前面讲的比较简单的是 串行网络结构 1. GoogLeNet 1.1 Inception module
w h 要一致 what is 11 convolution?
信息融合-eg.高中各门学科成绩比较(总分) 最主要工作:改变通道数量 why is 11 convolution?
减少10倍 1.2 implementation of inception module 拼…
AI：89-基于卷积神经网络的遥感图像地物分类
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的核心代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新…
LSKA（大可分离核注意力）：重新思考CNN大核注意力设计
文章目录 摘要1、简介2、相关工作3、方法4、实验5、消融研究6、与最先进方法的比较7、ViTs和CNNs的鲁棒性评估基准比较8、结论摘要
https://arxiv.org/pdf/2309.01439.pdf 大型可分离核注意力（LSKA）模块的视觉注意力网络（VAN）已被证明在各种基于视觉的任务上提供了卓越的性…
深度学习CNN的feature map
输入：N0*C0*H0*W0 输出：N1*C1*H1*W1 输出的feature map大小： H1H02pad−kernel_sizestride1 W1W02pad−kernel_sizestride1 注：当stride为1时，若padkernel_size−12，那么经过计算后的feature map大小不…
Pytorch学习：卷积神经网络—nn.Conv2d、nn.MaxPool2d、nn.ReLU、nn.Linear和nn.Dropout
文章目录 1. torch.nn.Conv2d2. torch.nn.MaxPool2d3. torch.nn.ReLU4. torch.nn.Linear5. torch.nn.Dropout 卷积神经网络详解：csdn链接 其中包括对卷积操作中卷积核的计算、填充、步幅以及最大值池化的操作。
1. torch.nn.Conv2d
对由多个输入平面组成的输入信号…
深度学习之三（卷积神经网络--Convolutional Neural Networks，CNNs）
概念
卷积神经网络（Convolutional Neural Networks，CNNs）是一种特殊的神经网络结构，专门用于处理具有网格状结构（如图像、音频）的数据。CNN 在计算机视觉领域取得了巨大成功，广泛应用于图像识别、物体检测、图像生成等任务。以下是 CNN 的主要理论概念： 在数学中，卷…
Yolov8轻量化：EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计，性能优于EdgeViT、Mobile-former等网络
论文： https://arxiv.org/pdf/2301.01146.pdf 🏆🏆🏆🏆🏆🏆Yolo轻量化模型🏆🏆🏆🏆🏆🏆 重新思考了 MobileNetv2 中高效的倒残差模块 Inverted Residual Block 和 ViT 中的有效 Transformer 的本质统一，归纳抽象了 MetaMobile Block 的一般…
基于OpenCV+CNN+IOT+微信小程序智能果实采摘指导系统——深度学习算法应用(含python、JS工程源码)+数据集+模型（二）
目录 前言总体设计系统整体结构图系统流程图 运行环境Python环境TensorFlow 环境Jupyter Notebook环境Pycharm 环境微信开发者工具OneNET云平台 相关其它博客工程源代码下载其它资料下载 前言
本项目基于Keras框架，引入CNN进行模型训练，采用Dropout梯度…
一种用于心音分类的轻量级1D-CNN+DWT网络
这是由National Institute of Technology Rourkela, Central University of Rajasthan发布在2022 ICETCI的论文，利用离散小波变换(DWT)得到的多分辨率域特征对1D-CNN模型进行心音分类训练。 预处理& DWT
由于FHS和各种病理声的频率范围在500hz以下[5]ÿ…
图像分类/识别 AlexNet
Lenet，1998年 Alexnet，2012年 改进模型 ZFNet GoogleNet，2014年 VGG，2014年 ResNet，2015年 Deep Residual Learning，2015年 从下往上看： LeNet 7层：卷积、池化、卷积、池化、卷积…
图像分类/识别 GoogleNet
googlenet，14年比赛冠军的model，这个model证明了一件事：用更多的卷积，更深的层次可以得到更好的结构。
GoogLeNet提出了Inception新模块，以增加网络的宽度
Inception结构： 一般来说，提升网…
【论文笔记-5】Spatial Transformer Networks(STN)
Spatial Transformer Networks(STN)-论文笔记 论文： Spatial Transformer Networks作者：Max Jaderberg Karen Simonyan Andrew Zisserman Koray Kavukcuoglucode1：https://github.com/oarriaga/STN.kerascode2：https://github.com…
深度学习项目基于Tensorflow卷积神经网络人脸年龄预测系统
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 系统介绍
基于Tensorflow的卷积神经网络人脸年龄预测系统是一种先进的深度学习应用，能够通过对大量人脸…
【卷积神经网络-进化史】从LeNet到AlexNet
【卷积神经网络-进化史】从LeNet到AlexNet 本博客是【卷积神经网络-进化史】的第一部分《从LeNet到AlexNet》 转载自本文链接：http://blog.csdn.net/cyh_24/article/details/51440344 更多相关博客请猛戳：http://blog.csdn.net/cyh_24 本系列博客是对刘昕…
举例说明什么是卷积神经网络
卷积神经网络（Convolutional Neural Network, CNN）是一种深度学习模型，主要应用于计算机视觉任务，如图像分类、物体检测等。它通过卷积层、池化层和全连接层等组件来实现对图像的特征提取和分类。 现在我们以一个简单的图像分类任…
《PyTorch 深度学习实践》第11讲 卷积神经网络（高级篇）
文章目录 1 Inception Module1.1 11卷积1.2 Inception模块结构1.3 完整代码 2 残差网络(Residual Network) 该专栏内容为对该视频的学习记录：【《PyTorch深度学习实践》完结合集】 专栏的全部代码、数据集和课件全放在个人GitHub了，欢迎自取。 1 Incept…
RT-DETR算法优化改进：AKConv（可改变核卷积），即插即用的卷积，效果秒杀DSConv | 2023年11月最新发表
💡💡💡本文全网首发独家改进：可改变核卷积（AKConv），赋予卷积核任意数量的参数和任意采样形状，为网络开销和性能之间的权衡提供更丰富的选择，解决具有固定样本形状和正方形的卷积核不能很好地适应不断变化的目标的问题点，效果秒殺DSConv 1）AKConv替代标准卷积进行…
什么是卷积神经网络？解决了什么问题？
什么是卷积神经网络？ 卷积神经网络（Convolutional Neural Network，CNN）是一种深度神经网络模型，主要用于图像识别、语音识别和自然语言处理等任务。它通过卷积层、池化层和全连接层来实现特征提取和分类。 解决了什么问…
什么是神经元网络控制?,神经网络控制的应用
1、什么是神经网络控制
神经网络控制技术是一项复杂的系统控制技术，一般应用在变频器的控制中，它是通过对系统的辨识、运算后对变频器进行控制的一种新技术。而且神经网络控制可以同时控制多个变频器，所以应用在多个变频器级联控制中比较合适…
Faster R-CNN中RPN网络的理解
使用的网络是VGG16：注意：RPN输出的回归层是9个单独的回归器 的集合，就是说这9个包围盒回归器不共享权重，每个回归器负责一种尺度和长宽比（和相应的anchor比例基本相同）。假设有anchor（大小为 …
计算机视觉-卷积神经网络
目录
计算机视觉的发展历程
卷积神经网络
卷积（Convolution）
卷积计算
感受野（Receptive Field）
步幅（stride）
感受野（Receptive Field）
多输入通道、多输出通道和批量操作 …
ps2022新功能抠图扣得干净吗,ps2022新功能视频教程
神经网络有哪些主要分类规则并如何分类？
神经网络模型的分类人工神经网络的模型很多，可以按照不同的方法进行分类。其中，常见的两种分类方法是，按照网络连接的拓朴结构分类和按照网络内部的信息流向分类。
1按照网络拓朴结构分类…
关于CNN卷积神经网络与Conv2D标准卷积的重要概念
温故而知新，可以为师矣！
一、参考资料
深入解读卷积网络的工作原理（附实现代码） 深入解读反卷积网络（附实现代码） Wavelet U-net进行微光图像处理 卷积知识点 CNN网络的设计论：NAS vs Handcra…
10-SRCNN-使用CNN实现超分辨成像
文章目录 utils_dataset.pymodel.pytrain.pyuse.py主要文件 utils_dataset.py 工具文件，主要用来制作dataset，便于加入dataloader，用于实现数据集的加载和并行读取 model.py 主要写入网络（模型） train.py 主要用于训练 use.py 加载训练好的模型，用于测试或使用 utils_dat…
卷积神经网络-3D医疗影像识别
文章目录 一、前言二、前期工作1. 介绍2. 加载和预处理数据 二、构建训练和验证集三、数据增强四、数据可视化五、构建3D卷积神经网络模型六、训练模型七、可视化模型性能八、对单次 CT 扫描进行预测 一、前言
我的环境：
语言环境：Python3.6.5编译器&a…
使用Vue+Python基于卷积神经网络前后端分离实现蔬菜种类预测系统
使用VuePython基于卷积神经网络前后端分离实现蔬菜种类预测系统
一、实现效果
1、种类预测界面 2、数据处理分析界面 3、网络模型界面 4、结果分析界面 二、需求分析
用户通过上传待预测图片到系统，系统预测出该图片对应的蔬菜种类，并且提示用户预测信…
CNN 卷积神经网络
文章目录9、CNN 卷积神经网络9.1 Revision9.2 Introduction9.3 Convolution9.3.1 Channel9.3.2 Layer9.3.3 Padding9.3.4 Stride9.4 Max Pooling9.5 A Simple CNN9.5.1 GPU9.5.2 Code 19.5.3 Exercise9.5.4 Code 29.6 GoogLeNet9.6.1 Inception Module9.6.2 1 x 1 convolution9…
AlexNet, VGGNet, GoogLeNet 对比
简单对三种CNN网络进行对比。 一， AlexNet 来自ImageNet Classification with DCNNs。 1. require a constant input dims. down-sampled the images to a fixed resolution of 256*256.(rescaled the images such that the shorter side was of length 256), 输…
EI期刊完整程序：MEA-BP思维进化法优化BP神经网络的回归预测算法，可作为对比预测模型，丰富内容，直接运行，免费
适用平台：Matlab 2020及以上
本程序参考中文EI期刊《基于MEA⁃BP神经网络的建筑能耗预测模型》，程序注释清晰，干货满满，下面对文章和程序做简要介绍。
适用领域：风速预测、光伏功率预测、发电功率预测、碳价预测等多…
AI：95-基于卷积神经网络的艺术品风格分类
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的核心代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新…
基于卷积神经网络的狗猫数据集分类实验
目录 一、环境配置1、anaconda安装2、配置TensorFlow、Keras 二、数据集分类1、分类源码2、训练流程 三、模型调整1、图像增强2、网络模型添加dropout层 四、使用VGG19优化提高猫狗图像分类五、总结六、参考资料 一、环境配置
1、anaconda安装
下载链接：anaconda …
深度学习之卷积神经网络（CNN）
大家好，我是带我去滑雪！ 卷积神经网络（Convolutional Neural Network，CNN）是一种基于深度学习的前馈神经网络，主要用于图像和视频识别、分类、分割和标注等计算机视觉任务。它主要由卷积层、池化层、全连接…
卷积神经网络概述以及简单案列
感谢阅读CNN概述卷积层卷积计算PaddingstridePyTorch 卷积层 API池化层经典案列图像分类CIFAR10 数据集模型构建模型训练预测CNN概述
卷积神经网络（Convolutional Neural Network）是含有卷积层的神经网络. 卷积层的作用就是用来自动学习、提取图像的特征…
CNN（Convolutional Neural Network）
CNN的基本结构 图中是一个图形识别的CNN模型。可以看出最左边的船的图像就是我们的输入层，计算机理解为输入若干个矩阵，这点和DNN基本相同。
接着是卷积层（Convolution Layer）,这个是CNN特有的。卷积层的激活函数使用的是ReLU。我…
Spatial Transformer Networks(STN)-代码实现
Spatial Transformer Networks(STN)-代码实现 pytorch为了方便实现STN，里面封装了affine_grid和grid_sample两个高级API。 STN的基本步骤是： Localisationnet\color{blue}Localisation\;netLocalisationnet(参数预测)： Localisation net模…
CNN卷积类型总结（标准卷积、空洞卷积、反卷积、深度可分离卷积、分组卷积等）
目录
标准卷积
卷积的运算
conv2d
conv1d
其他卷积类型
空洞卷积（膨胀卷积）
反卷积（转置卷积）
深度可分离卷积
分组卷积
参考文章 上学时，卷积常在各个课程中出现，现代、信号与系统这些ÿ…
经典卷积神经网络 - GoogLeNet
GoogLeNet是google推出的基于Inception模块的深度神经网络模型，在2014年的ImageNet竞赛中夺得了冠军，在随后的两年中一直在改进，形成了Inception V2、Inception V3、Inception V4等版本。
Inception块
4个路径从不同层面抽取信息࿰…
华为ICT——第六章：深度学习和卷积神经网络/详篇
目录 1：深度学习卷积的重要概念：
2：CNN核心思想——局部感知：
CNN核心思想——参数共享：
3：卷积层的功能： 4：不同深度的卷积层提取的特征：
5：卷积效果——…
CNN经典之VGG网络+PyTorch复现
一、前情说明：
写在前面的话 本系列博客在于汇总CSDN的精华帖，类似自用笔记，方便以后的复习回顾，博文中的引用都注明出处，并点赞收藏原博主。 博客大致分为两部分，第一部是转载于《雪饼》大侠的博客https:…
深度学习卷积神经网络学习小结
————————————————————————————————————————————— 学习小结： 1）深度学习综述；（2）对卷积神经网络（CNN）的认识；（3࿰…
TensorFlow-Keras 10.CNN+RNN 处理文本序列-温度预测问题
一.引言
上一篇文章基础文本处理 processing && embedding 介绍了常用的文本处理方法，趁热打铁了解一下处理连续文本的 demo 流程。 二.数据信息与获取
下面例子将用到气象记录站的天气时间序列，数据集中每10分钟记录14个不同的指标࿰…
一文看尽R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD详解
一文看尽R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD详解
以下六篇文章总结详细：
1. 一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD 2. 【深度学习】R-CNN 论文解读及个人理解 3、R-CNN论文详解 4、一文读懂Faster RCNN 5、学一百遍都…
PyTorch应用实战三：构建神经网络
文章目录 神经网络1.继承Module构建神经网络2.结构化构建神经网络3.函数式操作附：系列文章 神经网络
构建神经网络的一般步骤如下： 确定网络的结构：这包括输入层、输出层和隐藏层的数量以及每层中的节点数等。 收集和准备数据：这…
全连接网络、卷积神经网络、递归神经网络 通俗的解释
全连接网络、卷积神经网络和递归神经网络是三种不同类型的神经网络，它们在结构和应用上有所不同。下面我将尽量用通俗易懂的语言来解释和对比这三种神经网络。
1.全连接网络
全连接网络是一种最常见的神经网络类型，它的每一层都由许多神经元组成&#…
【论文阅读笔记】CNN-Transformer for Microseismic Signal Classification
【论文阅读笔记】CNN-Transformer for Microseismic Signal Classification
摘要 这篇论文提出了一种名为CCViT的轻量级网络模型，用于快速准确地识别地下传感器采集的煤矿和岩石裂缝的微震信号中由煤矿爆破产生的大量爆破振动信号。这些微震信号与爆破振动信号的波…
Pytorch-CNN轴承故障一维信号分类(二)
目录
前言
1 数据集制作与加载
1.1 导入数据
1.2 数据加载，训练数据、测试数据分组，数据分batch
2 CNN-2D分类模型和训练、评估
2.1 定义CNN-2d分类模型
2.2 定义模型参数
2.3 模型结构
2.4 模型训练
2.5 模型评估
3 CNN-1D分类模型和训练、评…
语义分割------FCN、deeplab演变理论知识点
一、个人理解 语义分割，其实就是为图片中的每个像素打上相应的标签，即将其所代表的语义具现化，呈现出的视觉效果就是图片中不同的目标有不同的颜色. 目前语义分割主要针对的问题是以下几点： 1）如何恢复原有的分辨率 2）如何尽可能的增大感受野 3）如何处理多尺度问题 下面…
『CV学习笔记』文本识别算法CRNNSVTR介绍
文本识别算法CRNN&SVTR介绍 文章目录 一. 文本识别1.1. 文本识别方法介绍1.1.1. 规则文本识别1.1.2. 不规则文本识别1.2. CRNN算法原理1.2.1. CRNN基本网络结构1.3. SVTR算法原理二. 参考文献一. 文本识别 文本识别是OCR（Optical Character Recognition）的一个子任务，其…
图像处理中底层、高层特征、上下文信息理解
1.图像的语义信息: 图像的语义分为视觉层、对象层和概念层。 视觉层即通常所理解的底层，即颜色、纹理和形状等等，这些特征都被称为底层特征语义； 对象层即中间层，通常包含了属性特征等，就是某一对象在某一时刻的状态&a…
卷积神经网络（ResNet-50）鸟类识别
文章目录 卷积神经网络（CNN）mnist手写数字分类识别的实现卷积神经网络（CNN）多种图片分类的实现卷积神经网络（CNN）衣服图像分类的实现卷积神经网络（CNN）鲜花的识别卷积神经网络&#…
Learning Normal Dynamics in Videos with Meta Prototype Network 论文阅读
文章信息：发表在cvpr2021 原文链接： Learning Normal Dynamics in Videos with Meta Prototype Network 摘要1.介绍2.相关工作3.方法3.1. Dynamic Prototype Unit3.2. 视频异常检测的目标函数3.3. 少样本视频异常检测中的元学习 4.实验5.总结代码复现&a…
71.转置卷积以及代码实现
到目前为止，我们所见到的卷积神经网络层，通常会减少下采样输入图像的空间维度（高和宽）。如果输入和输出图像的空间维度相同，在以像素级分类的语义分割中将会很方便。 例如，输出像素所处的通道维可以保有输入…
基于深度学习创建-表情符号--附源码
表情符号深度学习概述
如今，我们使用多种表情符号或头像来表达我们的心情或感受。它们充当人类的非语言线索。它们成为情感识别、在线聊天、品牌情感、产品评论等的关键部分。针对表情符号驱动的故事讲述的数据科学研究不断增加。
从图像中检测人类情绪非常流行，这可能是由…
深度学习笔记1(卷积神经网络)
深度学习笔记1(卷积神经网络) 在看完了UFLDL教程之后，决定趁热打铁，继续深度学习的学习，主要想讲点卷积神经网络，卷积神经网络是深度学习的模型之一，还有其它如AutoEncoding、Deep Belief Network、Restricted Boltzma…
Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting论文理解
PEN-Net（2019年）
论文代码：https://github.com/researchmm/PEN-Net-for-Inpainting PEN-Net 是以 U-Net网络为主干结构搭建的。根据观察，低层特征具有更丰富的纹理细节，高层特征具有更抽象的语义，高层特征…
【深度学习】第三章：卷积神经网络
文章目录1. 为什么要使用卷积神经网络？2. 卷积2.1 数学上的卷积2.2 深度学习的卷积3. 卷积的构成4. 卷积的特征5. 卷积的计算(1) 一维卷积计算(2) 二维卷积计算(黑白图片)(2) 三维卷积计算(彩色图片)6. 卷积的优势7. 卷积神经网络7.1 卷积层7.2 池化层7.3 全连接层8…
计算机竞赛 基于CNN实现谣言检测 - python 深度学习 机器学习
文章目录 1 前言1.1 背景 2 数据集3 实现过程4 CNN网络实现5 模型训练部分6 模型评估7 预测结果8 最后 1 前言
🔥 优质竞赛项目系列，今天要分享的是
基于CNN实现谣言检测
该项目较为新颖，适合作为竞赛课题方向，学长非常推荐&am…
36.网络结构与模型压缩、加速-3
36.1 输入输出的channel相同时，MAC最小
卷积层的输入和输出特征通道数相等时MAC最小，此时模型速度最快。 假设feature map的大小为h*w，输入通道 c 1 c_1 c1
微表情识别（Python编程，cnn模型）
1.数据集包括7种类别微表情 anger文件夹，3995张 disgust文件夹， 436张照片 fear文件夹，4097张照片 happy文件夹，7215张照片 neutral文件夹，4965张照片 sad文件夹，4830张照片 surprised文件夹， 3…
基于卷积神经网络CNN开发构建HAR人类行为识别Human Activity Recognition【完整代码实践】
行为识别相关的开发实践在我们之前的博文中也有过相关的实践了，感兴趣的话可以自行移步阅读即可：《python实现基于TNDADATASET的人体行为识别》
《UCI行为识别——Activity recognition with healthy older people using a batteryless wearable sensor Data Set》《人体行为…
卷积神经网络（CNN）衣服图像分类的实现
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3.归一化4.调整图片格式5. 可视化 二、构建CNN网络模型三、编译模型四、训练模型五、预测六、模型评估 前期工作
1. 设置GPU（如果使用的是CPU可以…
深度学习技巧应用22-构建万能数据生成类的技巧，适用于CNN,RNN,GNN模型的调试与训练贯通
大家好，我是微学AI，今天给大家介绍一下深度学习技巧应用22-构建万能数据生成类的技巧，适用于CNN,RNN,GNN模型的调试与训练贯通。本文将实现了一个万能数据生成类的编写，并使用PyTorch框架训练CNN、RNN和GNN模型。
目录࿱…
python中的cnn：介绍和基本使用方法
python中的cnn：介绍和基本使用方法
卷积神经网络（Convolutional Neural Networks，简称CNN）是一种在图像识别、语音识别、自然语言处理等许多领域取得显著成功的深度学习模型。CNN的设计灵感来源于生物的视觉系统，由多…
CNN模型：LeNet-5代码详细步骤分析学习，相关内容详情连接等等
更新于：20180920
最近一个月才算真正的接触深度学习，还挺好，发现自己之前都啥跟啥呀～
既然是有目标的，那为了尽快，就使用同一个框架来做、来学，不然乱七八糟的。本文代码是theano、tensorflow…
（论文阅读11/100）Fast R-CNN
文献阅读笔记 简介 题目 Fast R-CNN 作者 Ross Girshick 原文链接 https://arxiv.org/pdf/1504.08083.pdf 目标检测系列——开山之作RCNN原理详解-CSDN博客 Fast R-CNN讲解_fast rcnn-CSDN博客 Rcnn、FastRcnn、FasterRcnn理论合集_rcnn fastrcnn fasterrcnn_沫念的博客…
论文笔记： Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization
Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization
概述
此笔记主要对模型部分进行描述。
因为CNN可以端到端地解决问题，因此考虑将其用到EEG的处理中，因为EEG信号与图片信号有所不同，因此直接使用原…
图像分类/识别 VGG
VGG有很多个版本，也算是比较稳定和经典的model。它的特点也是连续conv多，计算量巨大（比前面几个都大很多）。（参数量：GoogleNet < AlexNet < VGG） http://www.sohu.com/a/134347664_642762…
（三）卷积神经网络模型之——ZFnet
目录ZFnet来历ILSVRC历届冠军网络介绍以及CNN的大致演化过程ILSVRC介绍ZFNet的贡献论文研究的贡献1、特征可视化2、特征提取的通用性3、对于遮挡的敏感性4、特征的层次分析5、对于CNN结构的改进6、特征结构选择ZFNet所涉及的几个核心原理反池化过程反激活反卷积小结ZFNet网络的…
ChatGPT可以写文章吗？来看看他对卷积神经网络的解释是否准确
文章目录提问chatGPT的回答第一次回答第二次回答结果提问 chatGPT的回答
在回答时候由于字数限制它不能一口气输出全部结果，此时可以采用两种方法让它继续输出：
复制它的上一步回答给它，它会接着回复直接发送继续，它也会接着回复…
专访 | 清华大学朱军：深度学习“盛行”_传统方法何去何从？
朱军博士是清华大学计算机系长聘副教授、智能技术与系统国家重点实验室副主任、卡内基梅隆大学兼职教授。2013年，入选IEEE Intelligent Systems的“人工智能10大新星”（AI’s 10 to Watch）。他主要从事机器学习研究，在国际重要期刊…
ResNet 模型原理
ResNet与Vgg的主要区别：
1.ResNet相较于Vgg具有更加深的网络结构
2.ResNet相较于Vgg引入了残差连接的结构
3.ResNet引入了BatchNorm层，使得ResNet能够训练更加深的网络结构
4.ResNet使用stride2的卷积层代替了Vgg中池化层进行下采样
5.ResNet相较于…
CNN池化层反向传播推导
昨天晚上推CNN反向，池化层这块没推明白，不懂为什么meanpool偏导为1/（k*k）,但是上采样却变成了另一种看起来比较简单的方法。
一、明确反向传播的是什么 cost函数对某一参数的偏导，即某一参数发生变化，会对…
卷积的in_channel与out_channel
刚学时写的很浅显的文章，建议大家看
【CNN】理解卷积神经网络中的通道 channel_cnn_scxyz_-DevPress官方社区在深度学习的算法学习中，都会提到 channels这个概念。在一般的深度学习框架的 conv2d 中，如 tensorflow 、mxnet ，chan…
![[机器学习入门] tensor 是什么 以及 torch.reshape()的使用](https://img-blog.csdnimg.cn/96bbd282f7fc49318277b3e06ec9ef87.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5LiN5Lya5a2m5ZOH,size_17,color_FFFFFF,t_70,g_se,x_16)
[机器学习入门] tensor 是什么 以及 torch.reshape()的使用
在 torch.reshape() 函数是对数据类型张量tensor 进行 形状shape 的改变，因此我们首先得了解机器学习里最基本的数据结构 tensor（即张量）。
1. tensor是什么？
学习参考博客：
一文带你读懂深度学习中的张量ÿ…
NLP-D39-nlp比赛D8自己绘制曲线不放弃就是对bug最好的态度迁移CNN收尾毕设
--------------0440开干开干！！！
-----0519呜呜，昨天晚上gan到7点多直接去跑步了，没吃饭。现在饿了呜呜呜，先吃饭叭~刚刚忘开GPU了，报了一些奇怪的错误，现在开开看看能不能解决。 CN…
计算机视觉 Computer Vision Chaper11 图像分割
文章目录语义分割反卷积反池化跳层结构Skip-Layer构建FCNDeepLabDeepLab V1CRF 条件随机场DeepLab V2DeepLab V3数据集语义分割 传统CNN就是全连接层，太多权重参数，而且丢失了图像的空间信息。但是注意FC在英语里，全卷积fully convolutional …
深度卷积网络CNN与图像语义分割
转载请注明出处:
http://xiahouzuoxin.github.io/notes/html/深度卷积网络CNN与图像语义分割.html级别1：DL快速上手级别2：从Caffe着手实践级别3：读paper，网络Train起来级别4：Demo跑起来读一些源码玩玩熟悉Caffe接口&a…
利用卷积神经网络实现手写字识别
本文我们介绍一下卷积神经网络，然后基于pytorch实现一个卷积神经网络，并实现手写字识别
卷积神经网络介绍
传统神经网络处理图片问题的不足
让我们先复习一下神经网络的工作流程：
搭建一个神经网络将要训练的数据(如图片)转换为神经网络能…
高光谱分类论文解读分享之Grid Network: 基于各向异性视角下特征提取的高光谱影像分类
IEEE GRSL 2023：Grid Network: 基于各向异性视角下特征提取的高光谱影像分类
题目
Grid Network: Feature Extraction in Anisotropic Perspective for Hyperspectral Image Classification
作者
Zhonghao Chen , Student Member, IEEE, Danfeng Hong , Senior …
“深度学习”学习日记。--加深网络
2023.2.13
深度学习 是加深了层的深度神经网络的学习过程。基于之前介绍的网络，只需要通过 叠加层， 就可以创建深度网络
之前的学习，已经学习到了很多东西，比如构成神经网络的各种层、参数优化方法、误差反向传播法，…
现代卷积神经网络(AlexNet)
专栏：神经网络复现目录 本章介绍的是现代神经网络的结构和复现，包括深度卷积神经网络（AlexNet），VGG，NiN，GoogleNet，残差网络（ResNet），稠密连接网络…
Python中的卷积神经网络（CNN）入门
卷积神经网络（Convolutional Neural Networks, CNN）是一类特别适用于处理图像数据的深度学习模型。在Python中，我们可以使用流行的深度学习库TensorFlow和Keras来创建和训练一个CNN模型。在本文中，我们将介绍如何使用Keras创建一个…
YOLOv8独家改进： Inner-IoU基于辅助边框的IoU损失，高效结合 GIoU, DIoU, CIoU，SIoU 等 | 2023.11
💡💡💡本文独家改进：Inner-IoU引入尺度因子 ratio 控制辅助边框的尺度大小用于计算损失，并与现有的基于 IoU （ GIoU, DIoU, CIoU，SIoU ）损失进行有效结合
推荐指数：5颗星 新颖指数：5颗星
💡💡💡Yolov8魔术师，独家首发创新（原创），适用于Yolov5…
BoTNet:Bottleneck Transformers for Visual Recognition
【GiantPandaCV导语】基于Transformer的骨干网络，同时使用卷积与自注意力机制来保持全局性和局部性。模型在ResNet最后三个BottleNeck中使用了MHSA替换3x3卷积。属于早期的结合CNNTransformer的工作。简单来讲Non-LocalSelf AttentionBottleNeck BoTNet
引言
本文…
IDCNN（迭代扩张卷积神经网络）在NLP-NER任务中的应用
IDCNN（迭代扩张卷积神经网络）在NLP-NER任务中的应用
IDCNN（Iterated Dilated Convolutional Neural Network）是一种特别设计的卷积神经网络（CNN），用于处理自然语言处理（NLP…
从CNN（卷积神经网络），又名CAM获取热图
一、说明 卷积神经网络（CNN）令人难以置信。如果你想知道它如何看待世界（图像），有一种方法是可视化它。 这个想法是，我们从最后的密集层中得到权重，然后乘以最终的CNN层。这需要全局平均…
【PyTorch】记一次卷积神经网络优化过程
记一次卷积神经网络优化过程
前言
在深度学习的世界中，图像分类任务是一个经典的问题，它涉及到识别给定图像中的对象类别。CIFAR-10数据集是一个常用的基准数据集，包含了10个类别的60000张32x32彩色图像。在上一篇博客中，我们已…
你真的理解“感受野”了吗？
大家好啊，我是董董灿。
在卷积神经网络中，有一个非常重要且绕不开的概念叫做卷积的“感受野”。
我刚开始学习卷积的时候，仅仅把“感受野”理解为感受视野，没错就是文字上的理解。
但随着后来工作的深入，慢慢发现感…
计算机视觉：池化层的作用是什么？
本文重点
在深度学习中，卷积神经网络（CNN）是一种非常强大的模型，广泛应用于图像识别、目标检测、自然语言处理等领域。而池化层作为CNN中的一个关键步骤，扮演着优化神经网络、提升深度学习性能的重要角色。本文将深入探讨池化层的作用及其重要性，帮助读者更好地理解和应…
卷积神经网络相关知识点
梯度下降算法
写的都很好，第一个看不懂可以接着看第二个，第二个里面有复现代码，第三篇是一篇综述，进阶阶段可以看。
详解梯度下降算法https://blog.csdn.net/JaysonWong/article/details/119818497线性回归模型——梯度下降算法…
一区优化直接写：KOA-CNN-BiLSTM-Attention开普勒优化卷积、长短期记忆网络融合注意力机制的多变量回归预测程序！
适用平台：Matlab 2023版及以上
KOA开普勒优化算法，于2023年5月发表在SCI、中科院1区Top顶级期刊《Knowledge-Based Systems》上。
该算法提出时间很短，目前还没有套用这个算法的文献。 同样的，我们利用该新鲜出炉的算法对我们的…
深度学习面试100题（第11-15题）
1.请简要介绍下tensorflow的计算图。 解析： Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor, 也就是张量࿰…
《python深度学习》笔记（十八）：训练一个卷积神经网络
1.过拟合总结
1.造成过拟合的原因：
①.训练集太少，导致无法训练出能够泛化新数据的模型。
②.训练集和测试集的数据分布不一致。
③.模型本身特别复杂，深度太大。
2.解决过拟合的方法：
①针对训练集太少，可以增加…
OpenCV 新版滴 4.5.1 发布啦！
发布亮点：
OpenCV Github 项目终于突破50000 stars！新的里程碑~
这次发布的特性包括：
集成更多的GSoC 2020 项目的结果，包括：
开发了OpenCV.js DNN 模块，以方便再网页中使用，并提供了相关教…
CV计算机视觉每日开源代码Paper with code速览-2023.10.11
点击CV51，关注更多CV干货
论文已打包，点击进入—>下载界面
点击加入—>CV计算机视觉交流群
1.【基础网络架构：Transformer】EViT: An Eagle Vision Transformer with Bi-Fovea Self-Attention 论文地址：https://arxiv.or…
CV必备的15个多尺度模型分享，涵盖特征融合、多尺度预测等4种网络结构
在卷积神经网络中，感受野的大小会影响到模型能够捕捉到的特征的尺度，从而影响模型的性能。因此我们在设计网络时，需要合理地控制感受野的大小。
那么问题来了：怎样才能合理控制？
到目前为止，已有很多学者…
pointpillars在2D CNN引入自适应注意力机制
在给定的代码中，您想要引入自适应注意力机制。自适应注意力机制通常用于增强模型的感受野，从而帮助模型更好地捕捉特征之间的关系。在这里，我将展示如何在您的代码中引入自适应注意力机制，并提供详细的解释。
首先，让我们导入自适应注意力机制的相关模块。假设您已经有了…
RTDETR 引入 UniRepLKNet：用于音频、视频、点云、时间序列和图像识别的通用感知大卷积神经网络 | DRepConv
大卷积神经网络（ConvNets）近来受到了广泛研究关注，但存在两个未解决且需要进一步研究的关键问题。1）现有大卷积神经网络的架构主要遵循传统ConvNets或变压器的设计原则，而针对大卷积神经网络的架构设计仍未得到解决。2）随着变压器在多个领域的主导地位，有待研究ConvNets…
【mmcv】——CNN
【mmcv】——卷积神经网络
我们为卷积神经网络提供了一些构建模块，包括层构建、模块组件和权重初始化。
网络层的构建
在运行实验时，我们可能需要尝试同属一种类型但不同配置的层，但又不希望每次都修改代码。于是我们提供一些层构建方法&a…
番茄（西红柿）叶病害识别（Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面）
代码运行要求：Torch>1.13.1即可
1.数据集介绍： 每一个文件夹里装有一类病害叶子的照片，一共10种类别，每种类别下有1100张照片 从第一类到第十类分别如下图所示 2.整体文件夹 data文件夹存放的是未被划分训练集和测试集的原…
windows环境下使用mmdetection+mmdeploy训练自定义数据集并转成onnx格式部署
目录 实验环境安装conda创建虚拟环境安装pytorch使用 MIM 安装 MMEngine 和 MMCV安装 MMDetection准备自定义数据集修改配置信息开始训练模型转换与推理 实验环境
windows10python：3.8pytorch :1.8.1cuda：11.1mmdet：3.1.0mmcv：2.…
【CV】第 4 章：图像深度学习
🔎大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流🔎 📝个人主页－Sonhhxg_柒的博客_CSDN博客 📃 🎁欢迎各位→点赞…
卷积网络的发展历史-LeNet
简介
LeNet是CNN结构的开山鼻祖，第一次定义了卷积神经网络的结构。
LeNet模型包含了多个卷积层和池化层，以及最后的全连接层用于分类。其中，每个卷积层都包含了一个卷积操作和一个非线性激活函数，用于提取输入图像的特征。池化层…
基于卷积神经网络和连接性时序分类的语音识别系统，含核心Python工程源代码（深度学习）个人可二次开发
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 特征提取2. 声学模型3. CTC 解码4. 语言模型 系统测试工程源代码下载其它资料下载 前言
本项目基于卷积神经网络和连接性时序分类方法，采用中文语音数据集进行训练，实现声音转录为中文拼…
如何设定一个N层CNN的Layer，CNN初始化
如何设定一个N层CNN的Layer，CNN初始化 前言干货代码解释 结语 前言
目前人工智能已经融入到我们的生活，大数据模型也是层出不穷。那我们就学习一些简单的模型设置。
干货
代码
# This is the original CNN layer setup,
def build_cnn(input_layer):…
PyTorch|构建自己的卷积神经网络
如何搭建网络，这在深度学习中非常重要。简单来讲，我们是要实现一个类，这个类中有属性和方法，能够进行计算。
一般来讲，使用PyTorch创建神经网络需要三步： 继承基类：nn.Module 定义层属性 实现…
![深度学习-卷积神经网络-卷积图像去噪边缘提取-卷积与边缘提取[北邮鲁鹏]](https://img-blog.csdnimg.cn/d1eadd8faa4c4e97bb26b06cc95f9189.png)
深度学习-卷积神经网络-卷积图像去噪边缘提取-卷积与边缘提取[北邮鲁鹏]
目录标题 参考学习链接什么是图像边缘？为什么研究边缘？有哪些边缘种类？表面法向不连续深度不连续表面颜色不连续光照不连续 如何检测边缘？图像求导图像梯度图像梯度的方向图像梯度的模 噪声的影响噪声影响带来的问题解决办法&…
YOLO物体检测-系列教程5：YOLOV3源码解读2之 模型创建函数
🎈🎈🎈YOLO 系列教程 总目录
上篇内容： YOLOV3项目实战1之 整体介绍与数据处理 YOLOV3提出论文：《Yolov3: An incremental improvement》
4、模型创建
4.1 模型创建函数
模型创建函数 位置：项目 / util…
![[PyTorch][chapter 37][经典卷积神经网络-2 ]](https://img-blog.csdnimg.cn/2bae29152c4343d88a2b594a6b074798.png)
[PyTorch][chapter 37][经典卷积神经网络-2 ]
1： VGG
2: GoogleNet 一 VGG 1.1 简介 VGGNet 是牛津大学计算机视觉组（Visual Geometry Group）和谷歌 DeepMind 一起研究出来的深度卷积神经网络，因而冠名为 VGG。VGG是一种被广泛使用的卷积神经网络结构，其在在20…
2021计算机视觉-包揽所有前沿论文源码 -上半年
大家是否遇到过这种情况，就是在工作或者学习的时候，想去找一些方向的网络，但是呢，尴尬的是，老旧的网络里不想要，前沿的网络又不知道有哪些。为了解决大家的这个困扰，本人决定收集2021年上半年大…
一文总结经典卷积神经网络CNN模型
一般的DNN直接将全部信息拉成一维进行全连接，会丢失图像的位置等信息。 CNN（卷积神经网络）更适合计算机视觉领域。下面总结从1998年至今的优秀CNN模型，包括LeNet、AlexNet、ZFNet、VGG、GoogLeNet、ResNet、DenseNet、SENet、Sque…
Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 论文阅读笔记
Paper: Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
Author: Alec Radford, et al。
Publication: arXiv, 2015。文章目录1 背景2 创新点3 核心方法3.1 为稳定DCGAN的训练作出的选择3.2 实验经验的参数选择3.3 数据集的选…
pytorch学习-4：快速搭建+保存提取
快速搭建保存提取
1. 快速搭建
上一讲神经网络时用到的步骤. 我们用 net1 代表这种方式搭建的神经网络。用 class 继承了一个 torch 中的神经网络结构, 然后对其进行了修改。
class Net(torch.nn.Module):def __init__(self, n_feature, n_hidden, n_output):super(Net, sel…
【人脸检测+表情识别】基于opencv+cnn的表情识别系统（pyqt5搭建界面）附下载链接！！
目录【人脸检测表情识别】基于opencvcnn的表情识别系统（pyqt5搭建界面）【人脸检测表情识别】基于opencvcnn的表情识别系统（pyqt5搭建界面）
下载链接
一共有三个模型，CNN模型，VGG模型，googleNe…
技术文章 | 用TensorFlow和TensorBoard从零开始构建ConvNet（CNN）
本文来源于阿里云-云栖社区，原文点击这里。 在本教程中，我将介绍如何使用TensorFlow，从头开始构建卷积神经网络，并使用TensorBoard可视化我们的图形及神经网络性能。如果您不了解完全神经网络的一些基础知识，我强烈建议…
工程经验：残差连接对网络训练的巨大影响
文章目录1、没有使用残差连接的网络难以训练2、loss 不下降的原因3、使用了残差连接的网络可以高效训练1、没有使用残差连接的网络难以训练
经典的 SegNet 网络结构如下： 在使用上图所示的 SegNet 作为噪声预测网络训练扩散模型（DDPM）时&…
卷积层-卷积核尺寸选择
#滤波器大小选择? 大部分卷积神经网络都会采用逐层递增（1⇒ 3 ⇒ 5 ⇒ 7）的方式。 每经过一次池化层，卷积层过滤器的深度都会乘以 2；
卷积神经网络中卷积核越小越好吗？ 多个小的卷积核叠加使用要远比一个大的卷积核单…
AI：106-基于卷积神经网络的遥感图像地物分类
🚀点击这里跳转到本专栏，可查阅专栏顶置最新的指南宝典~
🎉🎊🎉 你的技术旅程将在这里启航！ 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的关键代码，详细讲解供…
基于ResNet框架的CNN
数据准备 DATA_URL http://download.tensorflow.org/example_images/flower_photos.tgz 一、训练集和验证集的划分
#spile_data.pyimport os
from shutil import copy
import randomdef mkfile(file):if not os.path.exists(file):os.makedirs(file)file flower_data/flower…
LSTM+CNN实现时间序列预测(负荷预测)
文章目录 LSTM+CNN实现时间序列预测(PyTorch版)基于PyTorch搭建LSTM+CNN模型实现风速时间序列预测配置类时序数据集的制作数据归一化数据集加载器搭建LSTM+CNN模型定义模型、损失函数、优化器模型训练可视化结果十、完整源码LSTM+CNN实现时间序列预测(Keras版)源码模型训练绘制…
LSTM+CNN实现时间序列预测(负荷预测)
文章目录 LSTM+CNN实现时间序列预测(PyTorch版)基于PyTorch搭建LSTM+CNN模型实现风速时间序列预测配置类时序数据集的制作数据归一化数据集加载器搭建LSTM+CNN模型定义模型、损失函数、优化器模型训练可视化结果十、完整源码LSTM+CNN实现时间序列预测(Keras版)源码模型训练绘制…
Tensorflow2基础代码实战系列之CNN文本分类实战
深度学习框架Tensorflow2系列
注：大家觉得博客好的话，别忘了点赞收藏呀，本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，Python Java Scala SQL 代码，CV NLP 推荐系统等，Spark …
基于Tensorflow搭建卷积神经网络CNN（新冠肺炎医学图像识别）保姆及级教程
项目介绍
TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！）。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softm…
简易机器学习笔记（四）初识卷积神经网络
前言
第一次写卷积神经网络，也是照着paddlepaddle的官方文档抄，这里简单讲解一下心得。
首先我们要知道之前写的那些东西都是什么，之前写的我们称之为简单神经网络，也就是简单一层连接输出和输出，通过前向计算和逆向…
GPT/GPT4在人工智能，深度学习，编程等领域应用
详情点击链接：GPT/GPT4在人工智能，深度学习，编程等领域应用
一OpenAI
1.最新大模型GPT-4 Turbo 2.最新发布的高级数据分析，AI画图，图像识别，文档API
3.GPT Store
4.从0到1创建自己的GPT应用
5. 模型Ge…
Faster R-CNN网络架构详解和TensorFlow Hub实现（附源码）
文章目录 一、RPN网络1. RPN网络简介2. backbone网络简介 二、Faster R-CNN网络架构1. Faster R-CNN网络简介2. 基于TensorFlow Hub实现Faster R-CNN 前言：Faster R-CNN的简介见
上一篇文章 一、RPN网络
1. RPN网络简介 RPN网络全称Region Proposal Network&#…
CNN应用：文本情感预测
数据示例如下所示， UserName,ScreenName,Location,TweetAt,OriginalTweet,Sentiment 3799,48751,London,16-03-2020,MeNyrbie Phil_Gahan Chrisitv https://t.co/iFz9FAn2Pa and https://t.co/xX6ghGFzCC and https://t.co/I2NlzdxNo8,Neutral 3800,48752,UK,16-03-…
提升卷积神经网络能够跨分辨率识别
为了让卷积神经网络能够跨分辨率识别，可以采用以下方法：
数据增强
通过数据增强技术，可以扩展数据集，从而提高卷积神经网络的鲁棒性和泛化能力。具体实现方法包括随机裁剪、旋转、缩放、翻转等，这样可以让模型适应不同…
计算机视觉：一文搞懂卷积神经网络中的池化层
本文重点
池化层是卷积神经网络中的一种重要层，用于降低输入数据的空间维度，减少参数数量，提高模型的计算效率。它通过对输入数据进行降采样操作，将输入数据的大小缩小，同时保留重要的特征信息。本文将详细介绍池化层的原理、作用和常见的池化方法，并探讨其在卷积神经网…
【深度学习】6-1 卷积神经网络 - 卷积层
卷积神经网络(Convolutional Neural Network，CNN)。 CNN 被用于图像识别、语音识别等各种场合，在图像识别的比赛中，基于深度学习的方法几乎都以 CNN 为基础。
首先，来看一下 CNN 的网络结构，了解 CNN 的大致框架。CNN…
【人工智能实验】卷积神经网络CNN框架的实现与应用-手写数字识别
目录
实验六 卷积神经网络CNN框架的实现与应用
一、实验目的
二、实验原理
三、实验结果
1、调整学习率、epochs以及bacth_size这三个参数，分别观察参数的变化对于实验结果的影响。
2、最终的实验结果
3、采用3折交叉验证
四、实验总结
1、CNN算法步骤
2、…
深度学习——第6章 浅层神经网络（NN）
第6章 浅层神经网络（NN） 目录 6.1 神经网络模型概述
6.2 神经网络正向传播
6.3 神经网络反向传播
6.4 W和b的初始化
6.5 总结
上一课主要介绍了一些神经网络必备的基础知识，包括Sigmoid激活函数、损失函数、梯度下降和计算图。这些知识对…
【UFLDL-exercise9-Convolution and Pooling】
做完了CNN的练习，思想是：
在面对比较大的图像时（64*64），如果直接列向量化，维数太高，sparse autoencoder的计算过繁；因此采用的策略是：先从训练集中随机地下采样众多&…
卷积神经网络（CNN）基础知识
文章目录CNN的组成层卷积层卷积运算卷积的变种分组卷积转置卷积空洞卷积可变形卷积卷积层的输出尺寸和参数量CNN的组成层
在卷积神经⽹络中，⼀般包含5种类型的⽹络层次结构：输入层、卷积层、激活层、池化层和输出层。
输入层（input layer&a…
AIGC实战——像素卷积神经网络(PixelCNN)
AIGC实战——像素卷积神经网络 0. 前言1. PixelCNN 工作原理1.1 掩码卷积层 1.2 残差块2. 训练 PixelCNN3. PixelCNN 分析4. 使用混合分布改进 PixelCNN小结系列链接 0. 前言
像素卷积神经网络 (Pixel Convolutional Neural Network, PixelCNN) 是于 2016 年提出的一种图像生成…
竞赛保研 基于CNN实现谣言检测 - python 深度学习 机器学习
文章目录 1 前言1.1 背景 2 数据集3 实现过程4 CNN网络实现5 模型训练部分6 模型评估7 预测结果8 最后 1 前言
🔥 优质竞赛项目系列，今天要分享的是
基于CNN实现谣言检测
该项目较为新颖，适合作为竞赛课题方向，学长非常推荐&am…
深度学习(CNN+RNN)笔记1
文章目录 视频课 第四课：卷积神经网络（Convolutional Neural Networks）第一周：Convolutional Neural Networks 卷积神经网络第二周：Case Studies 案例学习第三周：Object Detection 目标检测第四周ÿ…
pytorch深度学习基础（十一）——常用结构化CNN模型构建
结构化CNN模型构建与测试前言GoogLeNet结构Inception块模型构建resNet18模型结构残差块模型构建denseNet模型结构DenseBlocktransition_block模型构建结尾前言
在本专栏的上一篇博客中我们介绍了常用的线性模型，在本文中我们将介绍GoogleNet、resNet、denseNet这类…
深度学习：解决CNN的困境——胶囊网络
从2017年底到2018年初，整个人工智能学术研究领域谈论最多的应该就是被誉为深度学习之父Geoffrey E. Hinton 发表的论文 Dynamic Routing Between Capsules,其中介绍了全新的深度学习模型——胶囊网络（Capsule Network）
1. 普通CNN的困境
虽…
深度学习----卷积神经网络
import torch import torch.nn as nn import torch.optim as optim import torch.nn.functional as F import torch.utils.data as tudata from torchvision import datasets,transforms import matplotlib.pyplot as plt import numpy as np # 定义超参数 input_size 28 #…
【CV】第 5 章：神经网络架构和模型
🔎大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流🔎 📝个人主页－Sonhhxg_柒的博客_CSDN博客 📃 🎁欢迎各位→点赞…
Mask RCNN网络源码解读（Ⅰ） --- 语义分割前言与转置卷积
目录 1.什么是语义分割
2.语义分割常见的数据集格式
3.常见的语义分割评价指标
4.转置卷积 1.什么是语义分割 常见分割任务：语义分割、实例分割、全景分割 图一 原始图片图二 语义分割图三 实例分割语义分割（例如FCN网络）可以理解为一个…
分类预测 | Matlab特征分类预测全家桶（BP/SVM/ELM/RF/LSTM/BiLSTM/GRU/CNN）
分类预测 | Matlab特征分类预测全家桶（BP/SVM/ELM/RF/LSTM/BiLSTM/GRU/CNN） 目录 分类预测 | Matlab特征分类预测全家桶（BP/SVM/ELM/RF/LSTM/BiLSTM/GRU/CNN）预测效果基本介绍程序设计参考资料致谢 预测效果 基本介绍 分类预测 | …
CNN、Transformer、MLP的经验性分析
A Battle of Network Structures: An Empirical Study of CNN, Transformer, and MLP
【GiantPandaCV导语】ViT的兴起挑战了CNN的地位，随之而来的是MLP系列方法。三种架构各有特点，为了公平地比较几种架构，本文提出了统一化的框架SPACH来对比…
深度学习05-RNN循环神经网络
概述
循环神经网络（Recurrent Neural Network，RNN）是一种具有循环连接的神经网络结构，被广泛应用于自然语言处理、语音识别、时序数据分析等任务中。相较于传统神经网络，RNN的主要特点在于它可以处理序列数据…
第一章:R-CNN网络详解（丰富特征层次用于准确的目标检测和语义分割技术报告（v5））
(目标检测篇）系列文章目录 第一章:R-CNN网络详解
第二章:Fast R-CNN网络详解
第三章:Faster R-CNN网络详解
第四章:YOLO v1网络详解
第五章:YOLO v2网络详解
第六章:YOLO v3网络详解 文章目录 系列文章目录技术干货集锦前言一、摘要二、正文分析 1.引入库2.读入…
【人工智能与机器学习】基于卷积神经网络CNN的猫狗识别
文章目录 1 引言2 卷积神经网络概述2.1 卷积神经网络的背景介绍2.2 CNN的网络结构2.2.1 卷积层2.2.2 激活函数2.2.3 池化层2.2.4 全连接层 2.3 CNN的训练过程图解2.4 CNN的基本特征2.4.1 局部感知（Local Connectivity）2.4.2 参数共享(Parameter Sharing)…
卷积神经网络-D2L
从全连接层到卷积
企业级理解卷积
不稳定输入 稳定输出 求系统存量 - 信号系统周围像素点如何产生影响 - 图像处理一个像素点如何试探 - 图像识别
好处： 平移不变性和局部性
图像卷积
import torch
from torch import nn
from d2l import torch as d2ldef try_…
SENet: 强化深度卷积神经网络的自适应特征学习
SENet（Squeeze-and-Excitation Network）是一种革命性的深度卷积神经网络架构，旨在提高模型对图像特征的建模能力。它引入了自适应特征重新校准机制，通过学习性地调整通道间的重要性，提高了模型的性能，广泛用…
阅读笔记5——深度可分离卷积
一、标准卷积 标准卷积在卷积时，同时考虑了特征图的区域和通道信息。 标准卷积的过程如图1-1所示，假设输入特征图的channel3，则每个卷积核的channel都为3，每个卷积核的3个channel对应提取输入特征图的3个channel的特征（…
【Matlab时间序列预测】CNN优化LSTM时间序列预测【含源码 1688期】
一、代码运行视频（哔哩哔哩）
【Matlab时间序列预测】CNN优化LSTM时间序列预测【含源码 1688期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1]董渊博,茅大钧,章明明.基于CNN-LSTM的燃气轮机NOx排放预测研究[J]. 热能动力工程. 2021,…
52癫痫发作预测的有效双自注意力残差网络
Effective dual self-attentional residual networks for epileptic seizure prediction
摘要
癫痫发作预测作为慢性脑疾病中最具挑战性的数据分析任务之一，引起了众多研究者的广泛关注。癫痫发作预测，可以在许多方面大大提高患者的生活质量࿰…
pytorch学习笔记，cnn与gpu加速
cnn代码，警告见gpu版修正，版本问题。
import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision # 数据库模块
import matplotlib.pyplot as pltimport logginglogger logging.Logger(None)torch.manual_seed(1) …
神经网络初学书籍怎么样,神经网络初学书籍推荐
想要学习人工神经网络，需要什么样的基础知识？
人工神经网络理论百度网盘下载：链接： 提取码：rxlc简介：本书是人工神经网络理论的入门书籍。全书共分十章。
第一章主要阐述人工神经网络理论的产生及发展历史…
pytorch集智-5手写数字识别器-卷积神经网络
1 简介
简称：CNN，convolutional neural network
应用场景：图像识别与分类（CNN），看图说话（CNNRNN）等
优越性：和多层感知机相比，cnn可以识别独特的模式&…
利用三维CNN对阿尔茨海默病进行多模态研究
文章目录 Is a PET All You Need? A Multi-modal Study for Alzheimer’s Disease Using 3D CNNs摘要方法实验结果讨论结论 Is a PET All You Need? A Multi-modal Study for Alzheimer’s Disease Using 3D CNNs
摘要
提出了一个系统评估多模态dnn的框架重新评估基于FDG-P…
【CS231n Winter 2016 Lecture 2 (Image classifier,NN/KNN/linear classifier)】
Lecture 2
上一讲结束后，李飞飞就回家生孩子了。这一讲是Andrej Karpathy讲 语速较快，不过听着还行，当练练听力。
上来就说先把image classifier给搞定了，然后各种渲染classifier is a challengeable task. 举的是猫的例子&…
![[PyTorch][chapter 33][卷积神经网络]](https://img-blog.csdnimg.cn/980da0adf08d44c599ceb86255c190dd.png)
[PyTorch][chapter 33][卷积神经网络]
前言 参考： 《数字图像处理与机器视觉》 第五章 空间域图像增强， 图像卷积： 空间域图像增强 图像增强是根据特定需要突出一副图像中的某些信息，同时削弱或去除 某些不需要信息的处理方法,其主要目的是是的处理后的图像对某种特定的…
【CS231n Winter 2016 Lecture 1 (Brief historycourse overview)】
lecture 1 cs131，计算机视觉本科课程，导论。 cs231a，计算机视觉研究生课程，涵盖CV更加广的知识（cs231n主要是vision recognition/image classification） 有志CV者建议学习 cs231n，主要讲CNN用…
二、CNNs网络架构-卷积分离网络架构
《A review of convolutional neural network architectures and their optimizations》论文指出AlexNet的优异性能证明了可以通过增加网络深度提高网络性能。随着网络层数的不断增加，不断增加的计算负担和不显著的性能提升使得更先进的网络架构成为另一个主要的研究…
三、CNNs网络架构-跨层连接思想的网络架构
《A review of convolutional neural network architectures and their optimizations》论文指出随着网络架构的深入，梯度消失、爆炸或退化问题变得越来越严重。跨层连接的思想是解决现有问题的有效方案，允许网络在非相邻层之间传递信息。因此࿰…
人工智能(Pytorch)搭建模型7-改造后的新型RegNet设计空间模型的搭建与训练
大家好，我是微学AI，今天给大家带来人工智能(Pytorch)搭建模型7-新型的卷积神经网络RegNet模型的搭建与训练，RegNet是一种新颖的卷积神经网络架构，它的设计理念是通过稀疏网络结构和精细的正则化来实现高效的计算和更好的泛化能力。…
卷积神经网络定义模型时候各个组件的作用
当我们训练卷积神经网络（Convolutional Neural Network，CNN）时，我们需要进行前向传播和反向传播来更新模型的参数。在这个过程中，使用了一系列的组件和操作来实现特定的功能。 前向传播（Forward Propagatio…
MLP三部曲（MLP-Mixer -＞ gMLP -＞ MAXIM）——其一
其一：MLP-Mixer 参考一文教你彻底理解Google MLP-Mixer（附代码） - 月球上的人的文章 - 知乎 https://zhuanlan.zhihu.com/p/372692759 论文链接：https://arxiv.org/abs/2105.01601 先看总体结构： 乍一看和Vit特别像&am…
使用预训练CNN生成图像嵌入（image embeddings）
文章目录 什么是图像嵌入？来自 Kaggle 的狗品种图像数据集从狗品种图像数据集生成图像嵌入参考 什么是图像嵌入？
图像嵌入是图像的低维表示。换句话说，它是图像的密集向量表示，可用于分类等许多任务。
例如，这些深度…
用caffe作实际项目的话应该有几个比较重要的地方
1、准备训练数据，并选定一种caffe的数据输入格式； 2、设计网络结构，一般有参考论文的话都会给出它的网络架构吧，在参照caffe里面的网络结构配置文件修改就行； 3、如果输出层节点不止一个，也就是多标签预测&…
论文阅读： BI-GCN
paper name：BI-GCN: Boundary-Aware Input-Dependent Graph Convolution Network for Biomedical Image Segmentatation
论文名称：边界感知输入独立的图卷积网络 论文地址: arxiv:2110.14775 代码：未公布
摘要：
分割是图像处理…
【CNN记录】tensorflow中depth_to_space
功能把depth维的数据移到space上，与spacetodepth刚好是相反的操作，depth对应channel，space对应height和width，而该操作是把depth上的数据分给height和width上，所以对应有一个参数block_size，要求原tensor的…
CNN学习 LeNet
学习CNN mnist代码 TensorFlow实现 https://zhuanlan.zhihu.com/p/27870208 bug最终解决！！！ OneHot问题 https://stackoverflow.com/questions/49065312/valueerror-cannot-feed-value-of-shape-50-for-tensor-placeholder-10-which LeNet-5…
图片描述(image cpationing) 源码实现——让计算机用简短的句子描述一张图片
自动生成图片描述：NeuralTalk2
一、基本信息
NeuralTalk2是斯坦福计算机视觉人工智能实验室的一个项目，利用循环神经网络（RNN）和卷积神经网络（CNN）来描述图片内容，NeuralTalk2 比第一版训练速…
【Matlab人脸表情识别】CNN人脸表情识别【含GUI源码 787期】
一、代码运行视频（哔哩哔哩）
【Matlab人脸表情识别】CNN人脸表情识别【含GUI源码 787期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020. [2]杨丹…
【CNN记录】tensorflow slice和strided_slice
两个函数都是从张量中提取切片 slice
tf.slice(input,begin,size,nameNone)
参数说明：
input：输入数据
begin：是一个list，切片索引，对应各个维度，例如[0,1,2]，三个维度分别冲0、1、2开始
size&…
bp神经网络和cnn神经网络,bp神经网络和神经网络
1、前馈神经网络、BP神经网络、卷积神经网络的区别与联系
一、计算方法不同
1、前馈神经网络：一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层．各层间没有反馈。
…
《PyTorch深度学习实践8》——卷积神经网络（Convolution Neural Network）
目录一、卷积层1.卷积层理解2.卷积层参数二、池化层三、MNIST分类1.网络结构2.CPU版本3.GPU版本一、卷积层
1.卷积层理解 假如我们有一张图像，RGB三通道，我们对每个通道都用一个卷积核，就可以得到三个通道的特征图，之后我们可以将…
现代卷积神经网络(GoogleNet)，并使用GoogleNet进行实战CIFAR10分类
专栏：神经网络复现目录 本章介绍的是现代神经网络的结构和复现，包括深度卷积神经网络（AlexNet），VGG，NiN，GoogleNet，残差网络（ResNet），稠密连接网络…
2.Fully Convolutional Networks for Semantic Segmentation论文记录
欢迎访问个人网络日志🌹🌹知行空间🌹🌹 文章目录1.基础介绍2.分类网络转换成全卷积分割网络3.转置卷积进行上采样4.特征融合5.一个pytorch源码实现参考资料1.基础介绍 论文:Fully Convolutional Networks for Semantic Segmentati…
ImageNet Classification with Deep Convolutional Neural Networks
摘要 训练大规模，深层卷积神经网络去分类 the 1.2 million high-resolution images . 数据集：the ImageNet LSVRC-2010 测试集：top-1 and top-5 error rates of 37.5% and 17.0% 神经网络： 60 million parameters and 650,000 n…
Pytorch实现R-CNN系列目标检测网络
在PyTorch提供的已经训练好的图像目标检测中,均是R-CNN系列的网络，并且针对目标检测和人体关键点检测分别提供了容易调用的方法。针对目标检测的网络，输入图像均要求使用相同的预处理方式，即先将每张图像的像素值预处理到0 ～1之间…
基于FPGA的卷积神经网络加速器研究
摘 要 卷积神经网络(Convolution Neural Network，CNN)是在计算机视觉，图像识别和 分类等领域应用最成功的人工神经网络数学模型。高性能神经网络结构规模庞大，一次 完整推理过程需要进行大量乘法加法计算。训练出一个高性能卷积神经网络模型需要的 计算量是推理过程的数十倍…
使用 CNN 进行面部情绪识别
面部表情是人类之间交流的重要方式。 在人工智能研究中，深度学习技术已成为增强人机交互的强大工具。心理学中面部表情和情绪的分析和评估涉及评估预测个人或群体情绪的决定。 本研究旨在开发一种能够使用卷积神经网络（CNN）算法和特征提取技术…
CNNs: ZFNet之CNN的可视化网络介绍
CNNs: ZFNet之CNN的可视化网络介绍 导言Deconvnet1. Unpooling2. ReLU3. Transpose conv AlexNet网络修改AlexNet Deconv网络介绍特征可视化 导言
上一个内容，我们主要学习了AlexNet网络的实现、超参数对网络结果的影响以及网络中涉及到一些其他的知识点࿰…
Convolutional Neural Network (to be continued)
毕设决定做CNN，东西确实挺繁的，今天刚把CNN中具体的反向传播算法搞明白，感觉收获也有一些：
1，起先总是认为所谓的CNN，局部感受野，权值共享什么的都是预先训练好的，主要是因为自己刚…
组合预测模型 | ARIMA-CNN-LSTM时间序列预测（Python）
组合预测模型 | ARIMA-CNN-LSTM时间序列预测（Python） 目录 组合预测模型 | ARIMA-CNN-LSTM时间序列预测（Python）预测结果基本介绍程序设计参考资料 预测结果 基本介绍 ARIMA-CNN-LSTM是一种结合了传统时间序列模型和深度学习模型的…
【生物信息】调控基因组学 (Regulatory Genomics) 和Deep CNN
文章目录 Regulatory GenomicsBiological motivation of Deep CNNMulti-task CNN 来自Manolis Kellis教授（MIT计算生物学主任）的课《人工智能与机器学习》 主要内容就是调控基因组学和深度卷积网络的结合 由于这部分在我学习的课程中内容很少，…
YOLOv5 与 Faster RCNN 的性能比较
YOLOv5 看起来是一个很有前途的模型。所以我将它与最好的两级检测器之一——Faster RCNN 进行了比较。为了进行这种比较，并排运行了 2 个模型。我的评估包括对结果质量和推理速度的观察。
YOLOv5模型
与之前使用 DarkNet 框架的开发相比，YOLOv5 的实现是在 Pytorch 中完成的…
keras搭建轻量级卷积神经网络CNN开发构建国家一级保护动物识别分析系统，集成开发GradCAM实现热力图分析可视化
动物识别相关的项目本质上属于图像识别，在我之前的博文中已经有过不少实践了，感兴趣的话可以自行移步阅读即可，这里不是说想要单纯地去做一个动物识别的项目，昨晚在玩手机的时候突然被小孩问到一个动物是不是国家保护动物…
机器学习求职60问答案
类型一：基础概念类问题
问题1：过拟合与欠拟合（定义、产生的原因、解决的方法各是什么）。
问题2：L1正则与L2正则（有哪些常见的正则化方法？作用各是什么？区别是什么？为什…
Layer Norm
参考ConvNeXt中的Layer Normalization(LN) - 海斌的文章 - 知乎 https://zhuanlan.zhihu.com/p/481901798 Layer Norm本来是一个样本norm自己，如图所示： 也就是说，在[C,H,W]维进行归一化 而ConvNeXt中是这样： 也就是在C的维度归…
基于约束球面反卷积扩散磁共振的脑白质解剖图谱
使用扩散磁共振成像对大脑白质进行虚拟解剖存在重复性差的问题。尽管有许多先进的重建模型，但早期基于扩散张量成像(DTI)的感兴趣区驱动仍然是虚拟解剖协议的主要参考。本研究通过对白质解剖图谱的全面描述来弥补这一差距，该解剖图谱基于概率约束球面反卷…
基于keras平台CNN神经网络模型的服装识别分析
在许多介绍图像识别任务的介绍中，通常使用着名的MNIST数据集。
最近我们被客户要求撰写关于图像识别的研究报告，包括一些图形和统计输出。但是，这些数据存在一些问题：
1.太简单了。例如，一个简单的MLP模型可以达到99…
卷积神经网络CNN/Pytorch，如何理解特征图Feature map?
不管是在Vision Transformer还是卷积神经网络，其实，一直想明白网络层层，到底是如何对图像进行了处理？怎么，一波操作就出了特征图？怎么就实现了目标检测？人脸识别？深度估计࿱…
深度学习：Depthwise卷积与Pointwise卷积
Depthwise(DW)卷积与Pointwise(PW)卷积，合起来被称作Depthwise Separable Convolution(参见Google的Xception)，该结构和常规卷积操作类似，可用来提取特征，但相比于常规卷积操作，其参数量和运算成本较低。所以在一些轻量…
研究生国际暑期学校：智能可视计算 Day1
研究生国际暑期学校：智能可视计算 研究生国际暑期学校：智能可视计算主讲嘉宾：陈为可视化模型可视化设计与开发模型网络资源 主讲嘉宾：王井东 主讲嘉宾：陈为 时间：2018.7.23 上午 地点：郑州大学…
LeNet-5 卷积神经网络论文笔记-Gradient-Based Learning Applied to Document Recognition第Ⅰ、Ⅱ部分 笔记
LeNet-5 卷积神经网络论文笔记-Gradient-Based Learning Applied to Document Recognition第Ⅰ、Ⅱ部分 笔记 文章目录LeNet-5 卷积神经网络论文笔记-Gradient-Based Learning Applied to Document Recognition第Ⅰ、Ⅱ部分 笔记文章介绍理论基础及现状损失函数，聚焦…
输出engine网络层
参考代码： layer network->getLayer(i); https://codeleading.com/article/6074265133/
nvinfer1::ILayer https://www.ccoderun.ca/programming/doxygen/tensorrt/classnvinfer1_1_1IScaleLayer.html
各网络层对应的编号： 搜索LayerType https://…
代码复现------TransT
论文地址：[2103.15436] Transformer Tracking (arxiv.org)
代码地址：chenxin-dlut/TransT: Transformer Tracking (CVPR2021) (github.com)
创建虚拟环境并且激活：
conda create -n transt python3.7
conda activate transt
安装PyTorch&…
计算机视觉-YOYO-
目录
计算机视觉-YOYO
目标检测发展历程
区域卷积神经网络(R-CNN)
Fast R-CNN
Mask R-CNN模型
比如SSD、YOLO(1, 2, 3)、R-FCN
目标检测基础概念
边界框、锚框和交并比
边界框（bounding box）
锚框（Anchor box）
交并比 …
cnn是深度神经网络吗,cnn神经网络算法
1、深度学习和有效学习的区别
深度学习和有效学习的区别分别是：
1、深度学习是：Deep Learning,是一种机器学习的技术，由于深度学习在现代机器学习中的比重和价值非常巨大，因此常常将深度学习单独拿出来说。
最初的深度学习网络…
神经网络多传感器融合,神经网络融合模型
神经网络有哪些主要分类规则并如何分类？
神经网络模型的分类人工神经网络的模型很多，可以按照不同的方法进行分类。其中，常见的两种分类方法是，按照网络连接的拓朴结构分类和按照网络内部的信息流向分类。
1按照网络拓朴结构分类…
CNN卷积深度神经网络算法,卷积神经网络简单介绍
卷积神经网络cnn究竟是怎样一步一步工作的
用一个卷积核滑动图片来提取某种特征（比如某个方向的边），然后激活函数用ReLU来压制梯度弥散。
对得到的结果用另一个卷积核继续提取reLU，然后池化（保留区域最大或者用区域平…
经典的卷积神经网络结构,卷积神经网络基本结构
卷积神经网络通俗理解
。
卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法…
CNN网络中的Pooling layer的作用
本文转发自知乎的提问，综合了以下两位答主的回答，以及他们在评论区的回复。 作者：谢志宁 链接：https://www.zhihu.com/question/36686900/answer/130890492 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权&a…
卷积神经网络反向传播调整的什么参数
如何对CNN网络的卷积层进行反向传播
在多分类中，CNN的输出层一般都是Softmax。RBF在我的接触中如果没有特殊情况的话应该是“径向基函数”（RadialBasisFunction）。
在DNN兴起之前，RBF由于出色的局部近似能力，被广泛应…
【图像分类】卷积神经网络之VGG网络模型结构详解
写在前面： 首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。
1. 前言
VGG全称是Visual Geometry Group，因为是由Oxford的Visual Geometry Group提出的。
VGG网络是卷积神经…
CNN achitecture 发展总结
本文主要参考内容为天池AI学习视频：
https://tianchi.aliyun.com/forum/videoStream.html?spm5176.11510288.4851100.6.31f620427Wq7Yf&postsId5426#postsId5426 1、Lenet
卷积神经网络的python实现,python卷积神经网络图像
怎样用python构建一个卷积神经网络
用keras框架较为方便首先安装anaconda，然后通过pip安装keras以下转自wphh的博客。
#coding:utf-8 GPU run command: THEANO_FLAGSmodeFAST_RUN,devicegpu,floatXfloat32 python CPU run command: python 2…
卷积神经网络 图像识别,卷积神经网络图像融合
卷积神经网络主要做什么用的？
卷积网络的特点主要是卷积核参数共享，池化操作。
参数共享的话的话是因为像图片等结构化的数据在不同的区域可能会存在相同的特征，那么就可以把卷积核作为detector，每一层detect不同的特征…
图片相似度对比在线测试,图片相似度对比 python
怎么对比两张图片的相似度
1、首先打开微信，选择底部“发现”。如图所示。2、然后在点击进入“小程序”。如图所示。3、然后输入“腾讯AI体验中心”搜索，点击进入。4、选择“人脸对比”。如图所示。
5、上传两张图片上去，点击“人脸比对”。…
如何设计神经网络结构,绘制神经网络结构图
如何画出神经网络的结构图
谷歌人工智能写作项目：神经网络伪原创 如何用visio画卷积神经网络图。图形类似下图所示
写作猫。
大概试了一下用visio绘制这个图，除了最左面的变形图片外其余基本可以实现（那个图可以考虑用其它图像处理软件比如…
CNN池化总结（最大池化与平均池化）
目录
概念
两种主要池化方式
最大池化
平均池化
尺寸变化过程
池化优点
总结 概念
池化（Pooling），用于减小卷积神经网络（CNN）或其他类型神经网络的特征图（Feature Map）的尺寸࿰…
卷积神经网络的训练过程,卷积神经网络如何训练
深度神经网络是如何训练的？
Coursera的Ng机器学习，UFLDL都看过。没记错的话Ng的机器学习里是直接给出公式了，虽然你可能知道如何求解，但是即使不知道完成作业也不是问题，只要照着公式写就行。
反正我当时看的时候心里…
基于卷积神经网络的目标分类案例
文章目录 一、卷积神经网络二、环境配置及数据集准备三、猫狗数据分类建模1、猫狗图像预处理2、猫狗分类的实例——基准模型3、基准模型的调整 一、卷积神经网络
卷积神经网络（Convolutional Neural Networks, CNN 是一类包含卷积计算且具有深度结构的前馈神经网络…
Document Modeling with Gated Recurrent Neural Network for Sentiment Classification 论文阅读笔记
Paper: Document Modeling with Gated Recurrent Neural Network for Sentiment Classification
Author: Duyu Tang, et al.
Publication: 2015, EMNLP.文章目录1 背景2 创新点3 核心方法3.1 句子表达3.2 文本表达3.3 情感分类4 实验4.1 实验设置4.2 实验结果1 背景
文本级别的…
基于pyqt和卷积网络CNN的中文汉字识别
直接上效果演示图： 通过点击按钮可以实现在画板上写汉字识别和加载图片识别两个功能。
视频演示和demo仓库地址在b站视频001期：
到此一游7758258的个人空间-到此一游7758258个人主页-哔哩哔哩视频
所有代码展示： 十分的简洁，主…
深度学习：神经网络的基本概念和算法
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
前面机器学习的主要部分已经都涉及到了，虽然SVM的部分有些烂尾，并且中间也有好多地方因为自己没弄懂而一带而过……现在…
附代码：RepVGG: Making VGG-style ConvNets Great Again论文解读
RepVGG: Making VGG-style ConvNets Great Again论文解读
代码链接：https://github.com/DingXiaoH/RepVGG
重点：提出通过结构重新参数化来解耦训练时间的多分支和推理时间的纯体系结构
摘要：
我们提出了一个简单而强大的卷积神经网络结构…
经过卷积神经网络之后的图片的尺寸如何计算
经过卷积神经网络（Convolutional Neural Network，CNN）处理后，图片的尺寸会发生变化，这是由于卷积层、池化层等操作引起的。计算图片经过卷积神经网络后的尺寸变化通常需要考虑卷积核大小、步幅（stride&…
卷积神经网络实现运动鞋识别 - P5
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍦 参考文章：Pytorch实战 | 第P5周：运动鞋识别🍖 原作者：K同学啊 | 接辅导、项目定制🚀 文章来源：K同学的学习圈子 目录…
卷积神经网络--猫狗系列【VGG16】
数据集：【文末】
数据集预处理
定义读取数据辅助类（继承torch.utils.data.Dataset）
import osimport PILimport torchimport torchvisionimport matplotlib.pyplot as pltimport torch.utils.dataimport PIL.Image
# 数据集路径train_p…
【研一小白论文精读】MobileNet
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
初衷就是为了服务移动端，由谷歌团队在2017年提出。
Depthwise Convolution（大大减少运算量和参数量）
传统卷积 卷积核channel输入特征矩阵channel 输…
FFDNet-pytorch版本代码训练教程
一、FFDNet-pytorch版本代码下载
（1）FFDNet-pytorch下载 https://download.csdn.net/download/qq_41104871/88233742
（2）FFDNet-pytorch版本代码运行环境配置 https://blog.csdn.net/qq_41104871/article/details/132497008
二、FFDNet-pytorch版本代码训练教程
（1）按…
神经网络与卷积神经网络
全连接神经网络
概念及应用场景
全连接神经网络是一种深度学习模型，也被称为多层感知机（MLP）。它由多个神经元组成的层级结构，每个神经元都与前一层的所有神经元相连，它们之间的连接权重是可训练的。每个神经元都计算…
CNN(七)：ResNeXt-50算法的思考
🍨 本文为🔗365天深度学习训练营中的学习记录博客🍖 原作者：K同学啊|接辅导、项目定制 在进行ResNeXt-50实战练习时，我也跟其他学员一样有这个疑惑，如下图所示： 反复查看代码，仍然有…
借助CIFAR10模型结构理解卷积神经网络及Sequential的使用
CIFAR10模型搭建 CIFAR10模型结构 0. input : 332x32，3通道32x32的图片 --> 特征图(Feature maps) : 3232x32即经过32个35x5的卷积层，输出尺寸没有变化（有x个特征图即有x个卷积核。卷积核的通道数与输入的通道数相等，即35x5&am…
“现代”“修饰”卷积神经网络，何谓现代
一、“现代” vs “传统”
现代卷积神经网络（CNNs）与传统卷积神经网络之间存在一些关键区别。这些区别主要涉及网络的深度、结构、训练技巧和应用领域等方面。以下是现代CNNs与传统CNNs之间的一些区别： 深度： 传统CNNs࿱…
八 动手学深度学习v2 ——卷积神经网络之卷积+填充步幅+池化
图像卷积总结
二维卷积层的核心计算是二维互相关运算。最简单的形式是，对二维输入数据和卷积核执行互相关操作，然后添加一个偏置。核矩阵和偏移是可学习的参数核矩阵大小是超参数
填充和步幅 padding和stride
填充： 在应用多层卷积时&…
【图卷积神经网络】1-入门篇：为什么使用图神经网络(下)
为什么使用图神经网络？
在本书中，我们将重点介绍图学习技术中的深度学习家族，通常称为图神经网络。GNNs是一种新的深度学习架构类别，专门设计用于处理图结构化数据。与主要用于文本和图像的传统深度学习算法不同，GNNs明确地用于处理和分析图数据集（见图1.4）。 图1.4 - …
【轻量化网络】MobileNet系列
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications, CVPR2017
论文：https://arxiv.org/abs/1704.04861
代码：
解读：【图像分类】2017-MobileNetV1 CVPR_說詤榢的博客-CSDN博客 MobileNetV2: Inverted …
Pytorch intermediate(一) CNN
使用pytorch实现了2层卷积神经网络，包含有batchnorm层。
在测试阶段需要model.eval()，使用移动平均值和方差代替训练过程中的均值和方差。
import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms# Dev…
Pytorch-CNN-Mnist
文章目录 model.pymain.py网络设置注意事项及改进运行截图 model.py
import torch.nn as nn
class CNN_cls(nn.Module):def __init__(self,in_dim28*28):super(CNN_cls,self).__init__()self.conv1 nn.Conv2d(1,32,1,1)self.pool1 nn.MaxPool2d(2,2)self.conv2 nn.Conv2d(3…
【教学】python基于mnist数据集的手写数字识别
直接上最终效果图
运行界面很简单，只要在代码中输入python 02文字识别界面程序.py即可弹出识别汉字的qt界面
python 02文字识别界面程序.py 然后是数据集的只做过程，本文是使用的cnn图像分类算法进行识别，比如lenet、alexnet、vgg、resnet、mobilenet、efficientnet等等，…
CNN(四）：ResNet与DenseNet结合--DPN
🍨 本文为🔗365天深度学习训练营中的学习记录博客🍖 原作者：K同学啊|接辅导、项目定制 前面实现了ResNet和DenseNet的算法，了解了它们有各自的特点：
ResNet：通过建立前面层与后面层之间的“短路…
分类预测 | MATLAB实现EVO-CNN多输入分类预测
分类预测 | MATLAB实现EVO-CNN多输入分类预测 目录 分类预测 | MATLAB实现EVO-CNN多输入分类预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.MATLAB实现EVO-CNN多输入分类预测 2.代码说明：量谷优化卷积神经网络的数据分类预测：要求于Matlab …
动手学深度学习—卷积神经网络LeNet（代码详解）
1. LeNet
LeNet由两个部分组成：
卷积编码器：由两个卷积层组成；全连接层密集块：由三个全连接层组成。 每个卷积块中的基本单元是一个卷积层、一个sigmoid激活函数和平均汇聚层；每个卷积层使用55卷积核和一个sigmoid激…
卷积神经网络全解：（AlexNet/VGG/ GoogleNet/LeNet/卷积/激活/池化/全连接）
CNN，卷积神经网络，Convolution Neural Network
卷积计算公式：
N （W-F2p）/s1
1 经典网络
按照时间顺序
1.1 LeNet
LeNet是 Yann LeCun在1998年提出，用于解决手写数字识别的视觉任务。自那时起&#x…
repVGG论文笔记
文章目录关键点一、介绍二、方法论三、实验总结总结关键点
本篇文章的工作主要是提出了一种卷积神经网络：在训练的过程中使用多分枝的结构，在推理的时候啊变成了3x3卷积加上relu激活函数的plain结构。为了解决这种权重融合的问题，作者提出了…
在 PyTorch 中使用关键点 RCNN 进行人体姿势估计--附源码
人体姿态估计是计算机视觉领域的一个重要研究领域。它涉及估计人体上的独特点，也称为关键点。在这篇博文中，我们将讨论一种在包含人类的图像上查找关键点的算法，称为Keypoint-RCNN。该代码是使用 Pytorch 使用Torchvision库编写的。
假设您想要建立一名私人健身教练，可以通…
【图像分类】基于卷积神经网络和主动学习的高光谱图像分类（Matlab代码实现）
💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭&a…
一维卷积，二维卷积，三位卷积，1乘1卷积的作用
文章目录前言一、背景二、不同维度的卷积计算1.一维2.二维单通道单核多通道单核3通道多核3.三维卷积三、1乘1 的卷积升维降维升维降维度跨通道信息交互（channal 的变换）参考前言
本文介绍1维到3维的卷积，并且描述了1乘1 的卷积为什么能升维降…
ViT模型架构和CNN区别
目录
Vision Transformer如何工作
ViT模型架构
ViT工作原理解析
步骤1：将图片转换成patches序列
步骤2：将patches铺平
步骤3：添加Position embedding
步骤4：添加class token
步骤5：输入Transformer Encoder
步…
图像分割(七) —— Transformer and CNN Hybrid Deep Neural Network
Transformer and CNN Hybrid Deep Neural Network for Semantic Segmentation of Very-High-Resolution Remote Sensing ImageryAbstractMethodA. ArchitectureB. Swin Transformer-Based EncoderC. CNN-Based DecoderAbstract
本文提出了一种变压器和卷积神经网络（…
李沐pytorch学习-经典CNN的原理及代码实现
一、LeNet
1.1 模型结构 LeNet结构如图1所示，汇聚层即池化层，这里池化Stride（步幅）与池化层长宽一致，因此使得池化后大小减半。 图1. LeNet结构 1.2 代码实现 代码实现如下：
import torch
from torch imp…
卷积神经网络——下篇【深度学习】【PyTorch】
文章目录 5、卷积神经网络5.10、⭐批量归一化5.10.1、理论部分5.10.2、代码部分 5.11、⭐残差网络（ResNet）5.11.1、理论部分5.11.2、代码部分 话题闲谈 5、卷积神经网络
5.10、⭐批量归一化
5.10.1、理论部分
批量归一化可以解决深层网络中梯度消失和…
动手学深度学习—深度卷积神经网络AlexNet（代码详解）
AlexNet 1. 学习表征1.1 缺少的成分：数据1.2 缺少的成分：硬件 2. AlexNet2.1 模型设计2.2 激活函数2.3 容量控制和预处理 3. 读取数据集4. 训练AlexNet ImageNet classification with deep convolutional neural networks 原文链接：https://d…
卷积神经网络——上篇【深度学习】【PyTorch】【d2l】
文章目录 5、卷积神经网络5.1、卷积5.1.1、理论部分5.1.2、代码实现5.1.3、边缘检测 5.2、填充和步幅5.2.1、理论部分5.2.2、代码实现 5.3、多输入多输出通道5.3.1、理论部分5.3.2、代码实现 5.4、池化层 | 汇聚层5.4.1、理论部分5.4.2、代码实现 5、卷积神经网络
5.1、卷积
…
【实例分割】（一）Mask R-CNN详细介绍带python代码
目录
1.🍀🍀实例分割定义
2.🍀🍀Mask R-CNN
3.🍀🍀经典的实例分割算法
4.🍀🍀Mask R-CNN python代码
整理不易，欢迎一键三连！！！…
基于Android+OpenCV+CNN+Keras的智能手语数字实时翻译——深度学习算法应用(含Python、ipynb工程源码)+数据集（二）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 数据预处理2. 数据增强3. 模型构建1）定义模型结构2）优化损失函数 相关其它博客工程源代码下载其它资料下载 前言
本项目依赖于Keras深度学习模型，旨在对手语进行分类和实时识…
【深度学习实验】卷积神经网络（五）：深度卷积神经网络经典模型——VGG网络（卷积层、池化层、全连接层）
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. conv_layer（创建卷积块）
2. vgg_conv_block（卷积模块：卷积层*n、池化层）
3. vgg_fc_layer（…
YOLOv8改进Swin Transformer：在基础SwinTransformer结构的基础上进行多种改进结构，集成Transformer和CNN的优势
💡本篇内容：YOLOv8改进Swin Transformer：在基础SwinTransformer结构的基础上进行多种改进结构
💡🚀🚀🚀本博客 改进源代码改进 适用于 YOLOv8 按步骤操作运行改进后的代码即可
💡本文提出改进 原创 方式：YOLOv8专属
论文理论部分 + 原创最新改进 YOLOv8 代码…
使用YOLOv5的backbone网络识别图像天气 - P9
目录 环境步骤环境设置包引用声明一个全局的设备 数据准备收集数据集信息构建数据集在数据集中读取分类名称划分训练、测试数据集数据集划分批次 模型设计编写维持卷积前后图像大小不变的padding计算函数编写YOLOv5中使用的卷积模块编写YOLOv5中使用的Bottleneck模块编写YOLOv5…
实时人脸检测：基于卷积神经网络CNN和OpenCV的摄像头应用
一、前言
人脸检测是计算机视觉中的重要任务之一，广泛应用于人脸识别、人脸表情分析、人脸跟踪等领域。在实时视频流中进行人脸检测可以帮助我们快速准确地识别和定位图像中的人脸。本文将介绍如何使用 OpenCV 库来实现通过本地摄像头获取实时视频流，并利用预训练的深度学习…
PyTorch应用实战二：实现卷积神经网络进行图像分类
文章目录 实验环境MNIST数据集1.网络结构2.程序实现2.1 导入相关库2.2 构建卷积神经网络模型2.3 加载MNIST数据集2.4 训练模型 附：系列文章 实验环境
python3.6 pytorch1.8.0
import torch
print(torch.__version__)1.8.0MNIST数据集
MNIST数字数据集是一组手写…
卷积神经网络-池化层和激活层
2.池化层
根据特征图上的局部统计信息进行下采样，在保留有用信息的同时减少特征图的大小。和卷积层不同的是，池化层不包含需要学习的参数。最大池化(max-pooling)在一个局部区域选最大值作为输出，而平均池化(average pooling)计算一个局部区…
基于word2vec+TextCNN 实现中文文本分类
基于word2vecTextCNN 作文本分类
一. 准备工作： 环境：python3.7torchGPU 数据集：网上下载的4分类中文文本，如下图： 模块使用：
import os
import jieba
import torch
import joblib
import torch.nn a…
手工简单复现经典CNN网络测试(LeNet5、AlexNet、VGG16、GoogLeNet、ResNe)
手工简单复现经典CNN网络测试
**前言：**突然想把看到的机器视觉的经典网络（LeNet5、AlexNet、VGG16、GoogLeNet、ResNet）手工复现一遍，运气好的可以看到效果时逐渐趋于完美的，但现实是残酷的，这里把遇到的…
2021-10-22计算机视觉：4、更深的卷积神经网络：MiniVGGNet
MiniVGGNet：更深层的卷积神经网络
VGGNet，首次被Simonyan和Zisserman在他们的论文：Very Deep Learning Convolutional Neural Networks for Large-Scale Image Recognition 中提出。
在此之前，深度学习中的神经网络混合使…
PyTorch入门之【CNN】
参考：https://www.bilibili.com/video/BV1114y1d79e/?spm_id_from333.999.0.0&vd_source98d31d5c9db8c0021988f2c2c25a9620 书接上回的MLP故本章就不详细解释了 目录 traintest train
import torch
from torchvision.transforms import ToTensor
from torchvi…
光伏发电预测（LSTM、CNN_LSTM和XGBoost回归模型，Python代码）
光伏太阳能电池通过互连形成光伏模块，以捕捉太阳光并将太阳能转化为电能。因此，当光伏模块暴露在阳光下时，它们会产生直流电。这是目前将太阳能转化为电能的最佳方式之一。世界上许多国家已经采用了这项技术；然而，光伏…
容易被忽视的CNN模型的感受野及其计算
感受野可能是卷积神经网络中最重要的概念之一，在学术中也被广泛关注。几乎所有的目标检测方法都围绕感受野来设计其模型结构。这篇文章通过可视化的方法来表达感受野的信息，并且提供一用于计算任何CNN网络每一层感受野的程序。
对于CNN相关的基础知识&a…
基于卷积神经网络的图像识别-案例实施1
案例描述
学习如何搭建CNN卷积神经网络，训练cifar-10数据，识别图片中的内容。
案例分析
cifar-10是由Hinton的学生Alex Krizhevsky和Ilya Sutskever整理的一个用于识别普适物体的小型数据集。一共包含 10个类别的 RGB 彩色图 片：飞机&…
笔记36：CNN的多通道卷积到底是什么样的
总结：
（1）输入卷积层的feature_map的通道数，就是该卷积层每个卷积核所含有的通道数
（2）输出卷积层的feature_map的通道数，就是该卷积层所含有的卷积核的个数
a
a
a
a
解释：【…
【深度学习实验】卷积神经网络（八）：使用深度残差神经网络ResNet完成图片多分类任务
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. 构建数据集（CIFAR10Dataset） a. read_csv_labels（）
b. CIFAR10Dataset 2. 构建模型（FeedForward&#x…
神经网络中卷积和池化的区别
1、什么叫卷积？
卷积层是用一个固定大小的矩形区去席卷原始数据，将原始数据分成一个个和卷积核大小相同的小块，然后将这些小块和卷积核相乘输出一个卷积值（注意这里是一个单独的值，不再是矩阵了）。
卷积的…
VGG卷积神经网络实现Cifar10图片分类-Pytorch实战
前言
当涉足深度学习，选择合适的框架是至关重要的一步。PyTorch作为三大主流框架之一，以其简单易用的特点，成为初学者们的首选。相比其他框架，PyTorch更像是一门易学的编程语言，让我们专注于实现项目的功能࿰…
【机器学习核心总结】什么是CNN(卷积神经网络)
什么是卷积神经网络
卷积神经网络(Convolutional Neural Network)，在一个个填充着数字的正方形小格子，它们被称为卷积核。 原始图片经过输入层后，会变为灰度或是RGB数值填充的矩阵 将卷积核与图片矩阵对齐，对应格子中的数字相乘后…
机器学习笔记 - 使用3D卷积神经网络进行视频分类
1、导入相应的库 3D CNN 使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在 2D CNN 中它可以在二维上滑动。 首先安装并导入必要的库，用于处理ZIP文件内容的Remotezip 、用于使用进度条的tqdm 、用于处理视频文件的OpenCV 、用于执行更复杂的张量操作的einop…
【PyTorch2 之027】在 PyTorch 中的R-CNN、Fast R-CNN和 Faster R-CNN
一、说明 亮点：对象检测是计算机视觉中最重要的任务之一。在这篇文章中，我们将概述最有影响力的对象检测算法家族之一：R-CNN、Fast R-CNN 和 Faster R-CNN。我们将重点介绍它们中的每一个的主要新颖性和改进。 最后，我们将专注于 …
（论文阅读40-45）图像描述1
40.文献阅读笔记（m-RNN） 简介 题目 Explain Images with Multimodal Recurrent Neural Networks 作者 Junhua Mao, Wei Xu, Yi Yang, Jiang Wang, Alan L. Yuille, arXiv:1410.1090 原文链接 http://arxiv.org/pdf/1410.1090.pdf 关键词 m-RNN、…
经典卷积神经网络模型 - ResNet
文章目录经典卷积神经网络模型 - ResNet综述与模型创新点模型结构残差模块经典ResNet模型模型复现残差模块构建ResNet经典卷积神经网络模型 - ResNet
综述与模型创新点
伴随着LeNet，AlexNet，VggNet，InceptionNet神经网络的相继问世…
经典卷积神经网络模型 - InceptionNet
文章目录卷积神经网络经典模型 - InceptionNet综述与模型创新突破点模型结构Inception模块GoogLeNet -- InceptionNet模型的具体实现模型复现复现构成Inception模块的子模块复现Inception模块搭建InceptionNet模型卷积神经网络经典模型 - InceptionNet
综述与模型创新突破点
…
YOLO物体检测-系列教程1：YOLOV1整体解读（预选框/置信度/分类任/回归任务/损失函数/公式解析/置信度/非极大值抑制）
🎈🎈🎈YOLO 系列教程 总目录
YOLOV1整体解读 YOLOV2整体解读
YOLOV1提出论文：You Only Look Once: Unified, Real-Time Object Detection
1、物体检测经典方法
two-stage（两阶段）：Faster-rc…
【CNN-GRU预测】基于卷积神经网络-门控循环单元的单维时间序列预测研究（Matlab代码实现）
💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭&a…
2022最新版-李宏毅机器学习深度学习课程-P17 卷积神经网络CNN
一、CNN 用于图像分类
需要图片大小统一 彩色图像分为R G B 三层，展平后首尾相接
值代表着颜色的强度 图像识别中不需要全连接的，参数太多了 观测1：通过判断多个小局部图像就能判断出图片标签 感受野的定义 简化1
感受野可以重叠ÿ…
![[ConvNet]卷积神经网络概念解析](https://img-blog.csdnimg.cn/be88cb9e3eaf489a97be41c05877bba3.png)
[ConvNet]卷积神经网络概念解析
在初步接触了深度学习以后，我们把目光投向对于一些图像的识别。
其实在d2l这本书中，我们接触过用深度神经网络去识别一个图像，并且对其进行一个分类操作，核心原理是将图像展开成一维tensor，然后作为特征进行检测。
其…
图像分类任务ViT与CNN谁更胜一筹？DeepMind用实验证明
精华置顶 墙裂推荐！小白如何1个月系统学习CV核心知识：链接 点击CV计算机视觉，关注更多CV干货
今天跟大家分享DeepMind发表的一篇技术报告，通过实验得出，CNN与ViT的架构之间虽然存在差异，但同等计算资源的预…
从基础到卷积神经网络（第16天）
1. PyTorch 神经网络基础
1.1 模型构造
1. 块和层
首先，回顾一下多层感知机
import torch
from torch import nn
from torch.nn import functional as Fnet nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))X torch.rand(2, 20) # 生成随机…
基于Pytorch的CNN手写数字识别
作为深度学习小白，我想把自己学习的过程记录下来，作为实践部分，我会写一个通用框架，并会不断完善这个框架，作为自己的入门学习。因此略过环境搭建和基础知识的步骤，直接从代码实战开始。
一.下载数据集并加…
【深度学习实验】卷积神经网络（二）：自定义简单的二维卷积神经网络
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. 二维互相关运算（corr2d）
2. 二维卷积层类（Conv2D）
a. __init__（初始化）
b. forward(前向传…
深度学习笔记_5 经典卷积神经网络LeNet-5 解决MNIST数据集
1、定义LeNet-5模型，包括卷积层和全连接层。
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms# 导入必要的库# 定义 LeNet-5 模型
class LeNet5(nn.Module):def __init__(self):super(LeNet5, self…
CNN——卷积神经网络
文章目录 多层感知机（MLP，Multilayer Perceptron）神经网络定义MLP与神经网络的异同相同之处：不同之处：总结 为什么要使用神经网络CNN卷积层：池化层：全连接层： 卷积神经网络的优势pad…
2.卷积神经网络(CNN)
一句话引入： 如果我们要做图像识别，用的是一个200x200的图片，那么BP神经网络的输入层就需要40000个神经元，因为是全连接，所以整个BP神经网络的参数量就是160亿个，显然不能这样来训练网络，所以我…
经典卷积神经网络 - VGG
使用块的网络 - VGG。 使用多个 3 3 3\times 3 33的要比使用少个 5 5 5\times 5 55的效果要好。 VGG全称是Visual Geometry Group，因为是由Oxford的Visual Geometry Group提出的。AlexNet问世之后，很多学者通过改进AlexNet的网络结构来提高自己的准确…
Fast R-CNN（2015.9）
文章目录 AbstractIntroductionR-CNN and SPPnet训练是一个多阶段的流水线训练在空间和时间上都很昂贵目标检测速度慢 Contributions Fast R-CNN architecture and trainingThe RoI pooling layerInitializing from pre-trained networksFine-tuning for detectionMulti-task l…
PyTorch卷积神经网络各层实现与介绍
本文将讲解，PyTorch卷积神经网络各层实现与介绍，包括：基本骨架–nn.Module的使用、卷积操作、卷积层、池化层、激活函数、全连接层的介绍。 😜 对于相关原理，可以跳转👉卷积神经网络CNN各层基本知识
&…
YOLOv5配置文件之 - yaml
在YOLOv5的目录中，models文件夹里存储了YOLO的模型配置。 ./models/yolov5.yaml 定义了YOLOv5s网络结构的定义文件
yaml的主要内容
参数配置
nc: 80 类别数量 depth_multiple: 0.33 模型深度缩放因子 width_multiple: 0.50 控制卷积特征图的通道个数
anchors配…
7.现代卷积神经网络
#pic_center R 1 R_1 R1 R 2 R^2 R2 目录 知识框架No.1 深度卷积神经网络 AlexNet一、AlexNet二、D2L代码注意点三、QA No.2 使用块的网络 VGG一、VGG二、D2L代码注意点三、QA No.3 网络中的网络 NiN一、NIN二、D2L代码注意点三、QA No.4 含并行连结的网络 GoogLeNet / Incep…
【卷积神经网络：Inception模型】
【卷积神经网络：Inception模型】 1 Inception模型的组成2 实现代码3 查看经典的Inceptioon模型 1 Inception模型的组成
Inception模型的组成主要由不同卷积核大小的卷积层拼接而成，其中一种带维度缩减的Inception模型可以减少参数量，引入更多…
python基于轻量级卷积神经网络模型GhostNet开发构建养殖场景下生猪行为识别系统
养殖业的数字化和智能化是一个综合应用了互联网、物联网、人工智能、大数据、云计算、区块链等数字技术的过程，旨在提高养殖效率、提升产品质量以及促进产业升级。在这个过程中，养殖生猪的数字化智能化可以识别并管理猪的行为。通过数字化智能化系统&…
SSD: Single Shot MultiBox Detector（2016.11）
文章目录 AbstractIntroduction此前本文贡献总结如下: The Single Shot Detector (SSD)SSD ModelMulti-scale feature maps for detectionConvolutional predictors for detectionDefault boxes and aspect ratiosTrainingMatching strategyTraining objectiveChoosing scales …
【深度学习实验】卷积神经网络（四）：自定义二维汇聚层：最大汇聚（max pooling）和平均汇聚（average pooling）
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. Conv2D（二维卷积层）
2. Pool2D（二维汇聚层）
理论知识
a. 初始化
b. 前向传播(最大汇聚层)
c. 前向传播(平均汇聚…
![[论文阅读]Voxel R-CNN——迈向高性能基于体素的3D目标检测](https://img-blog.csdnimg.cn/de54f52aca1c49af9d4c214f39cd5ee8.png)
[论文阅读]Voxel R-CNN——迈向高性能基于体素的3D目标检测
Voxel R-CNN
Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection 迈向高性能基于体素的3D目标检测 论文网址：Voxel R-CNN 论文代码：Voxel R-CNN
简读论文
该论文提出了 Voxel R-CNN，这是一种基于体素的高性能 3D 对象…
故障诊断模型 | Maltab实现CNN卷积神经网络故障诊断
文章目录 效果一览文章概述模型描述源码设计参考资料效果一览 文章概述 故障诊断模型 | Maltab实现CNN卷积神经网络故障诊断 模型描述 卷积神经网络（convolutional neural network）是具有局部连接、权重共享等特性的深层前馈神经网络，最早主要是用来处理图像信息。 相比于全…
解读deepLabV3+时遇到的问题总结
环境问题
python ：3.10.12
ModuleNotFoundError: No module named ‘torchvision.models.utils
起初pip以下这个包，也没有解决问题；后来发现是版本的问题。
#from torchvision.models.utils import load_state_dict_from_url
from torch.…
40 深度学习（四）：卷积神经网络|深度可分离卷积|colab和kaggle的基础使用
文章目录 卷积神经网络为什么要卷积卷积的具体流程池化tensorflow代码 深度可分离卷积原理介绍计算量对比代码参数计算例子 colab 和 kagglecolabkaggle如何在colab上使用kaggle的数据 卷积神经网络
卷积神经网络的基本结构 1： (卷积层(可选)池化层) * N全连接层 *…
自定义的卷积神经网络模型CNN，对图片进行分类并使用图片进行测试模型-适合入门，从模型到训练再到测试，开源项目
自定义的卷积神经网络模型CNN，对图片进行分类并使用图片进行测试模型-适合入门，从模型到训练再到测试：开源项目 开源项目完整代码及基础教程： https://mbd.pub/o/bread/ZZWclp5x CNN模型：
1.导入必要的库和模块&…
CNN卷积神经网络模型的GPU显存占用分析
一、参考资料
浅谈深度学习:如何计算模型以及中间变量的显存占用大小 如何在Pytorch中精细化利用显存
二、相关介绍
0. 预备知识
为了方便计算，本文按照以下标准进行单位换算：
1 G 1000 MB1 M 1000 KB1 K 1000 Byte1 B 8 bit
1. 模型参数量的计…
深度学习之基于Pytorch卷积神经网络的图像分类系统
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介二、功能三、图像分类系统四. 总结 一项目简介 基于PyTorch卷积神经网络的图像分类系统是一种应用深度学习技术来实现图像分类任务的系统。本摘要将对该系统…
论文翻译-ImageNet Classification with Deep Convolutional Neural Networks
[toc]
前言
AlexNet是是引领深度学习浪潮的开山之作，即使是我们现在进入了ChatGPT时代，这篇论文依然具有一定的借鉴意义。AlexNet的作者是多伦多大学的Alex Krizhevsky等人。Alex Krizhevsky是Hinton的学生。网上流行说 Hinton、LeCun和Bengio是神经网…
卷积神经网络中 6 种经典卷积操作
深度学习的模型大致可以分为两类，一类是卷积神经网络，另外一类循环神经网络，在计算机视觉领域应用最多的就是卷积神经网络（CNN）。CNN在图像分类、对象检测、语义分割等经典的视觉任务中表现出色，因此也早就…
关于卷积神经网络的池化层（pooling）
了解池化层 池化层又称“下采样层”或“子采样层”，池化层可以大大降低特征的维度，减少计算量，同时可以避免过拟合问题。 顾名思义，最大池化层就是从输入的矩阵中某一范围内，选择最大的元素进行保留；平均池…
11-09 周四 CNN 卷积神经网络基础知识
11-09 周四 CNN 卷积神经网络 时间版本修改人描述2023年11月9日09:38:12V0.1宋全恒新建文档
简介 学习一下CNN，卷积神经网络。使用的视频课程。视觉相关的任务：
人脸识别 卷积网络与传统网络的区别：
<img altimage-20231109094400591 s…
基于轻量级卷积神经网络CNN开发构建打架斗殴识别分析系统
在很多公共场合中，因为一些不可控因素导致最终爆发打架斗殴或者大规则冲突事件的案例层出不穷，基于视频监控等技术手段智能自动化地识别出已有或者潜在的危险行为对于维护公共场合的安全稳定有着重要的意义。本文的核心目的就是想要基于CNN模型来尝试开发…
（动手学习深度学习）第13章 计算机视觉---图像增广与微调
13.1 图像增广 总结
数据增广通过变形数据来获取多样性从而使得模型泛化性能更好常见图片增广包裹翻转、切割、变色。
图像增广代码实现
TensorFlow2.0教程3-CNN
` 文章目录 基础CNN网络读取数据卷积层池化层全连接层模型配置模型训练CNN变体网络简单的深度网络添加了其它功能层的深度卷积NIN网络文本卷积基础CNN网络 读取数据
import numpy as np
import tensorflow as tf
import tensorflow.keras as keras
import tensorflow.keras.la…
7.现代卷积神经网络3-GPT版
#pic_center R 1 R_1 R1 R 2 R^2 R2 目录 知识框架No.1 深度卷积神经网络 AlexNet一、AlexNet1、AlexNet2、机器学习3、几何学4、特征工程5、HardWare6、数据集7、AlexNet的改进的地方8、AlexNet架构-卷积池化9、AlexNet架构-卷积池化10、AlexNet架构-全连接层11、更多改变细…
从基础到卷积神经网络（第15天）
1. PyTorch 神经网络基础
1.1 模型构造
1. 块和层
首先，回顾一下多层感知机
import torch
from torch import nn
from torch.nn import functional as Fnet nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))X torch.rand(2, 20) # 生成随机…
【CNN-FPGA开源项目解析】01--floatMult16模块
文章目录 (基础)半精度浮点数的表示和乘运算16位半精度浮点数浮点数的乘运算 floatMult16完整代码floatMult16代码逐步解析符号位sign判断指数exponent计算尾数fraction计算尾数fraction的标准化和舍位整合为最后的16位浮点数结果[sign,exponent,fraction] 其他变量宽度表alway…
用 C 写一个卷积神经网络
用 C 写一个卷积神经网络 深度学习领域最近发展很快，前一段时间读transformer论文《Attention Is All You Need》时，被一些神经网络和深度学习的概念搞得云里雾里，其实也根本没读懂。发现深度学习和传统的软件开发工程领域的差别挺大…
卷积之后通道数为什么变了
通道数增多与卷积之后得到的图像特征数量有关
卷积层的作用本来就是把输入中的特征分离出来变成新的 feature map，每一个输出通道就是一个卷积操作提取出来的一种特征。在此过程中ReLU激活起到过滤的作用，把负相关的特征点去掉，把正相关的留…
CSPNet: A New Backbone that can Enhance Learning Capability of CNN（2019）
文章目录 -Abstract1 Introduction2 Related workformer work 3 Method3.1 Cross Stage Partial Network3.2 Exact Fusion Model 4 Experiments5 Conclusion 原文链接 源代码 -
梯度信息重用（有别于冗余的梯度信息）可以减少计算量和内存占用提高效率&am…
基于K-means与CNN的遥感影像分类方法
基于K-means与CNN的遥感影像分类 一、引言 1.研究背景 航天遥感技术是一种通过卫星对地观测获取遥感图像信息数据的技术，这些图像数据在各领域都发挥着不可或缺的作用。遥感图像分类主要是根据地面物体电磁波辐射在遥感图像上的特征，判断识别地面物体的属…
基于Tensorflow卷积神经网络玉米病害识别系统(UI界面)
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 Tensorflow是一个流行的机器学习框架，可用于训练和部署各种人工智能模型。玉米病害识别系统基于Tensorf…
卷积神经网络中参数量的计算原理及方法
手动计算参数量:
1. 卷积层参数计算方法:
参数量计算公式 卷积核宽度 * 卷积核高度 * 输入层通道数 * 输出层通道数 bias(输出层通道数)
注意:池化层没有参数(只是在已知数据区域里求个最大值)输入层通道数就是上层的卷积核数量
输出层通道数等于卷积核个数:输入层通道数经过…
RT-DTER 引入用于低分辨率图像和小物体的新 CNN 模块 SPD-Conv
论文地址：https://arxiv.org/pdf/2208.03641v1.pdf 代码地址：https://github.com/labsaint/spd-conv
卷积神经网络(CNN)在图像分类、目标检测等计算机视觉任务中取得了巨大的成功。然而，在图像分辨率较低或对象较小的更困难的任务中，它们的性能会迅速下降。 这源于现有CNN…
卷积神经网络（CNN）-吴恩达
1 计算机视觉
得益于深度学习的发展，计算机视觉是发展的最好的领域之一。 计算机视觉包括图像分类、 目标检测、神经风格转换 1、图像分类，有时也叫图像识别 2、计算机视觉问题的一个挑战是输入可以是任意大
2 边缘检测例子
1、卷积运算是卷积神经网络…
从头开始的卷积神经网络
VGG-16 卷积神经网络。来源：LearnOpenCV
参考资料：这篇文章可以在 Kaggle Notebook 🧠 Convolutional Neural Network From Scratch上更好地阅读。路易斯费尔南多托雷斯 一、说明 本文详细介绍在tf2.0上，使用ceras实现基本的神经…
卷积神经网络（CNN）多种图片分类的实现
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3.归一化4.可视化 二、构建CNN网络模型三、编译模型四、训练模型五、预测六、模型评估 前期工作
1. 设置GPU（如果使用的是CPU可以忽略这步&#…
【深度学习】卷积神经网络（CNN）
一、引子————边界检测 我们来看一个最简单的例子：“边界检测（edge detection）”，假设我们有这样的一张图片，大小88： 图片中的数字代表该位置的像素值，我们知道，像素值越大&#…
EI论文故障识别程序：DBN深度置信/信念网络的故障识别Matlab程序，数据由Excel导入，直接运行！
适用平台：Matlab2021b版及以上
本程序参考中文EI期刊《基于变分模态分解和改进灰狼算法优化深度置信网络的自动转换开关故障识别》中的深度置信网络（Deep Belief Network，DBN）部分进行故障识别，程序注释清晰&#x…
人工智能-注意力机制之注意力提示
注意力提示
自经济学研究稀缺资源分配以来，人们正处在“注意力经济”时代， 即人类的注意力被视为可以交换的、有限的、有价值的且稀缺的商品。 许多商业模式也被开发出来去利用这一点： 在音乐或视频流媒体服务上，人们要么消耗注意…
卷积神经网络（CNN）识别验证码
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据4.标签数字化 二、构建一个tf.data.Dataset1.预处理函数2.加载数据3.配置数据 三、搭建网络模型四、编译五、训练六、模型评估七、保存和加载模型八、预测 …
【深度学习】CNN中pooling层的作用
1、pooling是在卷积网络（CNN）中一般在卷积层（conv）之后使用的特征提取层，使用pooling技术将卷积层后得到的小邻域内的特征点整合得到新的特征。一方面防止无用参数增加时间复杂度，一方面增加了特征的整合度…
YOLOv8 训练自己的分割数据集
之前写过一篇 使用YOLOv8训练自己的【目标检测】数据集-【收集数据集】-【标注数据集】-【划分数据集】-【配置训练环境】-【训练模型】-【评估模型】-【导出模型】，里面带大家整个流程走过一遍了，
这篇文章我们来介绍如何使用 YOLOv8 训练分割数据集&a…
AI一点通：卷积神经网络的输出节点大小如何计算？全连接层必要输入大小如何设置
在使用卷积网络（CNN）时，一个步骤是计算经过卷积和池化步骤后的输出大小，以便我们可以将输出连接到一个完全收集的线性层。
以Pytorch中的一维CNN为例， self.conv1 nn.Conv1d(in_channels1, out_channels64, kernel_s…
SSF-CNN：空间光谱融合的卷积光谱图像超分网络
SSF-CNN: SPATIAL AND SPECTRAL FUSION WITH CNN FOR HYPERSPECTRAL IMAGE SUPER-RESOLUTION 文章目录 SSF-CNN: SPATIAL AND SPECTRAL FUSION WITH CNN FOR HYPERSPECTRAL IMAGE SUPER-RESOLUTION简介解决问题网络框架代码实现训练部分运行结果 简介
本文提出了一种利用空…
卷积神经网络经典backbone
特征提取是数据分析和机器学习中的基本概念，是将原始数据转换为更适合分析或建模的格式过程中的关键步骤。特征，也称为变量或属性，是我们用来进行预测、对对象进行分类或从数据中获取见解的数据点的特定特征或属性。
1.AlexNet
paper&#…
卷积神经网络（CNN）车牌识别
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据3.数据可视化4.标签数字化 二、构建一个tf.data.Dataset1.预处理函数2.加载数据3.配置数据 三、搭建网络模型四、设置动态学习率五、编译六、训练八、保存和…
卷积神经网络（CNN）识别神奇宝贝小智一伙
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据 二、数据预处理1.加载数据2. 可视化数据4. 配置数据集 三、调用官方网络模型四、设置动态学习率五、编译六、训练模型七、模型评估八、保存and加载模型九、…
每天五分钟计算机视觉：LeNet是最早用于数字识别的卷积神经网络
LeNet 假设你有一张 32321 的图片，然后使用 6 个 55的过滤器，步幅为 1，padding 为 0，输出结果为 28286。图像尺寸从 3232 缩小到 2828。
然后进行池化操作，使用平均池化，过滤器的宽度为 2，步幅为 2，图像的尺寸，高度和宽度都缩小了 2 倍，输出结果是一个14146 的图像。…
YoloV5改进策略：RefConv打造轻量化YoloV5利器
文章目录 摘要论文：《RefConv: 重参数化的重聚焦卷积》1、简介2、相关研究2.1、用于更好性能的架构设计2.2、结构重参数化2.3、权重重参数化方法3、重参数化的重聚焦卷积3.1、深度RefConv3.2、普通的RefConv3.3、重聚焦学习4、实验4.1、在ImageNet上的性能评估4.2、与其他重参…
卷积神经网络（CNN）注意力检测
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据 二、数据预处理1.加载数据2. 可视化数据4. 配置数据集 三、调用官方网络模型四、设置动态学习率五、编译六、训练模型七、模型评估1. Accuracy与Loss图2. …
![[论文阅读]CT3D——逐通道transformer改进3D目标检测](https://img-blog.csdnimg.cn/direct/6448668c9e2d4c8a8b021533d303ea9b.png)
[论文阅读]CT3D——逐通道transformer改进3D目标检测
CT3D
论文网址：CT3D 论文代码：CT3D
简读论文
本篇论文提出了一个新的两阶段3D目标检测框架CT3D,主要的创新点和方法总结如下:
创新点:
(1) 提出了一种通道注意力解码模块,可以进行全局和局部通道聚合,生成更有效的解码权重。
(2) 提出了建议到点嵌…
DCGAN 使用指南：将卷积神经网络和对抗网络结合，适用于生成小尺寸的图像
DCGAN 使用指南：将卷积神经网络和对抗网络结合 网络结构细节设计 论文地址：https://arxiv.org/abs/1511.06434
项目代码：https://github.com/tensorlayer/DCGAN.git
DCGAN 适用于生成小尺寸的图像，并且具有简单易用的优势
Styl…
深度学习（三）：pytorch搭建卷积神经网络
1.常用函数介绍
0 设备准备
device torch.device("cuda:0" if torch.cuda.is_available() else "cpu")这行代码是用来选择设备的，根据是否有可用的 CUDA 设备来选择使用 GPU 还是 CPU 进行计算。
更详细的解释如下： torch.cuda.…
训练 CNN 对 CIFAR-10 数据中的图像进行分类-keras实现
1. 加载 CIFAR-10 数据库
import keras
from keras.datasets import cifar10# 加载预先处理的训练数据和测试数据
(x_train, y_train), (x_test, y_test) cifar10.load_data()
2. 可视化前 24 个训练图像
import numpy as np
import matplotlib.pyplot as plt
%matplotlib …
对 Vision Transformers 及其基于 CNN-Transformer 的变体的综述
A survey of the Vision Transformers and its CNN-Transformer based Variants 摘要1、介绍2、vit的基本概念2.1 patch嵌入2.2 位置嵌入2.2.1 绝对位置嵌入(APE)2.2.2 相对位置嵌入(RPE)2.2.3卷积位置嵌入(CPE) 2.3 注意力机制2.3.1多头自我注意(MSA) 2.4 Transformer层2.4.1 …
【代码】CNN-GRU-Attention基于卷积神经网络和门控循环单元网络结合注意力机制的多变量回归预测
程序名称：CNN-GRU-Attention基于卷积神经网络和门控循环单元网络结合注意力机制的多变量回归预测
实现平台：matlab
代码简介：为更准确地预测，提出基于注意力机制的CNN-GＲU预测模型。该模型主要借助一维卷积单元提取数…
卷积神经网络（CNN）：乳腺癌识别.ipynb
文章目录 一、前言一、设置GPU二、导入数据1. 导入数据2. 检查数据3. 配置数据集4. 数据可视化 三、构建模型四、编译五、训练模型六、评估模型1. Accuracy与Loss图2. 混淆矩阵3. 各项指标评估 一、前言
我的环境：
语言环境：Python3.6.5编译器…
基于 Stereo R-CNN 的自动驾驶 3D 目标检测
论文地址：https://openaccess.thecvf.com/content_CVPR_2019/papers/Li_Stereo_R-CNN_Based_3D_Object_Detection_for_Autonomous_Driving_CVPR_2019_paper.pdf 论文代码：https://github.com/HKUST-Aerial-Robotics/Stereo-RCNN
论文背景
大多数 3D 物…
CNN发展史脉络 概述图整理
CNN发展史脉络概述图整理，学习心得，供参考，错误请批评指正。 相关论文：
LeNet：Handwritten Digit Recognition with a Back-Propagation Network； Gradient-Based Learning Applied to Document Recogniti…
Python轴承故障诊断 (四)基于EMD-CNN的故障分类
目录
前言
1 经验模态分解EMD的Python示例
2 轴承故障数据的预处理
2.1 导入数据
2.2 制作数据集和对应标签
2.3 故障数据的EMD分解可视化
2.4 故障数据的EMD分解预处理
3 基于EMD-CNN的轴承故障诊断分类
3.1 训练数据、测试数据分组，数据分batch
3.2 定义…
【PyTorch】卷积神经网络
文章目录 1. 理论介绍1.1. 从全连接层到卷积层1.1.1. 背景1.1.2. 从全连接层推导出卷积层 1.2. 卷积层1.2.1. 图像卷积1.2.2. 填充和步幅1.2.3. 多通道 1.3. 池化层（又称汇聚层）1.3.1. 背景1.3.2. 池化运算1.3.3. 填充和步幅1.3.4. 多通道 1.4. 卷积神经…
深入理解人工智能中的图神经网络：原理、应用与未来展望
导言： 图神经网络（Graph Neural Networks, GNNs）作为人工智能领域的一项前沿技术，在社交网络分析、推荐系统、生物信息学等多个领域展现出卓越的性能。本文将深入剖析图神经网络的原理、当前应用场景以及未来可能的发展方向。
1.…
多分类预测 | MATLAB实现CNN-LSTM-Attention多输入分类预测
分类预测 | MATLAB实现CNN-LSTM-Attention多输入分类预测
分类效果 需要源码和数据的私信（微微有偿取哦）
Python轴承故障诊断 (七)基于EMD-CNN-LSTM的故障分类
目录
前言
1 经验模态分解EMD的Python示例
2 轴承故障数据的预处理
2.1 导入数据
2.2 制作数据集和对应标签
2.3 故障数据的EMD分解可视化
2.4 故障数据的EMD分解预处理
3 基于EMD-CNN-LSTM的轴承故障诊断分类
3.1 训练数据、测试数据分组，数据分batch
3.…
人工智能自然语言处理：语言之美，算法之智
导言 自然语言处理（Natural Language Processing, NLP）是人工智能领域中备受关注的分支，致力于让计算机能够理解、处理和生成人类语言。本文将深入研究人工智能在自然语言处理领域的关键技术、应用场景以及未来发展趋势。
1. 简介 自然语言处…
32、卷积参数 - 长宽方向的公式推导
有了前面三节的卷积基础 padding, stride, dilation 之后，大概就可以了解一个卷积算法的全貌了。
一个完整的卷积包含的输入和输出有： 输入图像，表示为[n, hi, wi, ci] 卷积核，表示为[co, kh, kw, ci] 输出特征图，表示为[n, ho, wo, co] 以上为卷积算法的两个输入 tensor…
『CV学习笔记』轻量化卷积神经网络MobileNet从V1到V3
轻量化卷积神经网络MobileNet从V1到V3 文章目录 一. 预备知识1.1. 深度可分离卷积(Depthwise Separable Convolution，就是深度卷积+逐点卷积)1.1.1. 标准卷积(Standard convolutional)1.1.2. 深度卷积(Depthwise Convolution)1.1.3. 逐点卷积(Pointwise Convolution，就是11卷…
每天五分钟计算机视觉：VGG网络相对于AlexNet网络有哪些不同？
本文重点
在前面的课程中，我们已经学习了VGG网络模型，也学习了AlexNet网络模型，AlexNet模型先于VGG网络模型产生，所以VGG在一定程度上要优于AlexNet模型，二者来看一下，二者究竟有什么不同？ 深度…
![[PyTorch][chapter 9][李宏毅深度学习][CNN]](https://img-blog.csdnimg.cn/direct/ee1281c966204a209c3204c8f2113047.png)
[PyTorch][chapter 9][李宏毅深度学习][CNN]
前言： 卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家Yann LeCun，目前在Facebook工作，…
（论文加源码）基于连续卷积神经网络（CNN）（SVM）（MLP）提取脑电微分熵特征的DEAP脑电情绪识别
简介： 主要内容是采用DEAP数据集将脑电信号进行频域分段并提取其微分熵特征，为了充分利用空间特征，结合微分熵特征将其构建为一个三维脑电特征，输入到连续卷积神经网络，并最终取得了90.24%的准确率。 提出了一种脑电特…
（动手学习深度学习）第7章 批量规范化（Batch Normalization）
BN 总结
批量归一化固定小批量中的均值和方差，然后学习出适合的偏移和缩放。可以加速收敛速度，但一般不改变模型精度。
BN代码手动实现
导入相关库
import torch
from torch import nn
from d2l import torch as d2l定义BN层
def batch_norm(X, gam…
![计算机视觉与深度学习-卷积神经网络-纹理表示卷积神经网络-卷积神经网络-[北邮鲁鹏]](https://img-blog.csdnimg.cn/893e2e9339794e018943a94041063204.png)
计算机视觉与深度学习-卷积神经网络-纹理表示卷积神经网络-卷积神经网络-[北邮鲁鹏]
这里写目录标题 参考文章全连接神经网络全连接神经网络的瓶颈全连接神经网络应用场景 卷积神经网络卷积层(CONV)卷积核卷积操作卷积层设计卷积步长(stride)边界填充特征响应图组尺寸计算 激活层池化层(POOL)池化操作定义池化操作作用池化层超参数常见池化操作 全连接层(FC)样本…
股票价格预测 | 融合CNN和Transformer以提升股票趋势预测准确度
一 本文摘要
股票价格往往很难预测，因为我们很难准确建模数据点之间的短期和长期时间关系。卷积神经网络（CNN）擅长找出用于建模短期关系的局部模式。然而，由于其有限的观察范围，CNN无法捕捉到长期关系。相比之下，Transformer可以学习全局上下文和长期关系。本文提出了一…
Python电能质量扰动信号分类(四)基于CNN-BiLSTM的一维信号分类模型
往期精彩内容：
引言
1 数据集制作与加载
1.1 导入数据
1.2 制作数据集
2 CNN-BiLSTM分类模型和超参数选取
2.1定义CNN-BiLSTM分类模型
2.2 设置参数，训练模型
3 模型评估
3.1 准确率、精确率、召回率、F1 Score
3.2 十分类混淆矩阵：…
实时人脸五观检测：基于libfacedetection(CNN模型)
一、前言
随着人工智能技术的不断发展，人脸检测已成为计算机视觉领域的重要应用之一。人脸检测是一种将输入图像中的人脸位置和轮廓提取出来的技术，广泛应用于人脸识别、智能监控、人机交互等领域。利用libfacedetection开源的人脸检测库，实现人脸检测。
libfacedetection…
【深度学习_TensorFlow】卷积神经网络（CNN）
写在前面
这篇文章的行文思路如下： 先根据视频了解卷积和卷积神经网络的整体框架 接着了解卷积神经网络构建过程中的一些重要操作，包括内积、填充、池化。 然后介绍卷积层如何实现。 最后用卷积神经网络的开山之作（LeNet-5）来…
经典卷积神经网络-VGGNet
经典卷积神经网络-VGGNet
一、背景介绍
VGG是Oxford的Visual Geometry Group的组提出的。该网络是在ILSVRC 2014上的相关工作，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构，分别是VGG16和VGG19，两者并…
【计算机视觉】万字长文详解：卷积神经网络
以下部分文字资料整合于网络，本文仅供自己学习用！
一、计算机视觉概述 如果输入层和隐藏层和之前一样都是采用全连接网络，参数过多会导致过拟合问题，其次这么多的参数存储下来对计算机的内存要求也是很高的 解决这一问题&#x…
深入理解SqueezeSegV3点云分割
文章：Squeezesegv3: Spatially-adaptive convolution for efficient point-cloud segmentation
代码：https://github.com/chenfengxu714/SqueezeSegV3
一、摘要
激光雷达点云分割是许多应用中的一个重要问题。对于大规模点云分割，一般是投…
LeViT-UNet：transformer 编码器和CNN解码器的有效整合
levi - unet[2]是一种新的医学图像分割架构，它使用transformer 作为编码器，这使得它能够更有效地学习远程依赖关系。levi - unet[2]比传统的U-Nets更快，同时仍然实现了最先进的分割性能。
levi - unet[2]在几个具有挑战性的医学图像分割基准…
CNN进展：AlexNet、VGGNet、ResNet 和 Inception
一、说明 对于初学者来说，神经网络进展的历程有无概念？该文综合叙述了深度神经网络的革命性突破，从AlexNet开始，然后深度VGG的改进，然后是残差网络ResNet和 Inception，如果能讲出各种特色改进点的和改进理由…
【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理
卷积神经网络 CNN模型的架构Cnn 的流程第一步 提取图片特征提取特征的计算规则 第二步 最大池化第三步 扁平化处理第四步 数据条录入全连接隐藏层 b站视频
CNN模型的架构
图片由像素点组成，最终成像效果由背后像素的颜色数值所决定的 有这样的一个66的区域&#x…
【Matlab】CNN卷积神经网络时序预测算法
资源下载： https://download.csdn.net/download/vvoennvv/88681558 一，概述 CNN（Convolutional Neural Network，卷积神经网络）是一种前馈神经网络，主要用于处理具有类似网格结构的数据，例如图像…
深度學習之捲積神經網絡(CNN)之貓狗識別
目录什麽是捲積神經網絡結構输入层卷积层（convolutional layer）作用：特征提取一维卷积二维卷积卷积计算填充（padding）步幅（stride）感受野多输入通道场景多输出通道场景批量操作例子性质局部连接…
带你一文透彻学习【PyTorch深度学习实践】分篇—— 卷积神经网络CNN（基础篇）| 附：完整实例源代码 | 手把手教你如何在GPU上来跑
Yesterday been history，tomorrow to be mystery，today is gift.That’s why it is called present.
你患得患失，太在意从前，又太担心将来，有句话说得好，昨天是段历史，明天是个迷团，而今天是天赐的礼物，像珍惜礼物那样珍惜今天。 🎯作者主页： 追光者♂🔥 …
【深度学习基础知识（一）：卷积神经网络CNN基础知识】
深度学习基础知识
深度学习基础知识（一）：卷积神经网络CNN基础知识
卷积神经网络CNN基础知识
0、目录
1. CNN卷积神经网络的特点
2. 卷积操作基础知识 2.1 卷积操作的概念2.2 卷积操作的种类2.3 卷积操作后特征图谱大小计算公式 3. 池化操…
深度学习入门（第三天）——卷积神经网络
卷积神经网络应用领域
CV领域发展： 比赛中预测错误率的百分比，每年逐步下降。Human是人类肉眼的识别能力，2016年开始已经远高于人类肉眼死别能力，后面就取消了该方向的比赛了。 检测任务： 分类与检索： 分类…
基于谐波参数空间的卷积神经网络自动三维牙齿分割
论文连接：https://www.sciencedirect.com/science/article/abs/pii/S1524070320300151
机构：
a英国卡迪夫大学计算机科学与信息学院
b中国科学院大学北京
c中国科学院计算技术研究所北京
d深圳大数据研究院，深圳518172
代码链接&#x…
构建并训练简单的CNN
1. 构建并训练深度神经网络模型
1.1 准备数据集 本次使用自己生成的一些数据，如下生成代码：
# 准备数据集
# 此处自己生成一些原始的数据点
dataset_X=np.linspace(-10,10,100)
dataset_y=2*np.square(dataset_X)+7
经典卷积神经网络 - LeNet
该模型用于手写的数字识别。 LeNet模型包含了多个卷积层和池化层，以及最后的全连接层用于分类。其中，每个卷积层都包含了一个卷积操作和一个非线性激活函数，用于提取输入图像的特征。池化层则用于缩小特征图的尺寸，减少模型参数和…
![[论文精读] 使用扩散模型生成真实感视频 - 【李飞飞团队新作，文生视频 新基准】](https://img-blog.csdnimg.cn/direct/7122421999b84dde9d194b28ab3130e2.png#pic_center)
[论文精读] 使用扩散模型生成真实感视频 - 【李飞飞团队新作，文生视频 新基准】
论文导读: 论文背景:2023年12月11日，AI科学家李飞飞团队与谷歌合作，推出了视频生成模型W.A.L.T（Window Attention Latent Transformer）——一个在共享潜在空间中训练图像和视频生成的、基于Transformer架构的扩散模型。李飞飞是华…
风速预测（五）基于Pytorch的EMD-CNN-LSTM模型
目录
前言
1 风速数据EMD分解与可视化
1.1 导入数据
1.2 EMD分解
2 数据集制作与预处理
2.1 先划分数据集，按照8：2划分训练集和测试集
2.2 设置滑动窗口大小为96，制作数据集
3 基于Pytorch的EMD-CNN-LSTM模型预测
3.1 数据加载&…
时序预测 | Python实现CNN电力需求预测
时序预测 | Python实现CNN电力需求预测 目录 时序预测 | Python实现CNN电力需求预测预测效果基本描述程序设计参考资料预测效果 基本描述 该数据集因其每小时的用电量数据以及 TSO 对消耗和定价的相应预测而值得注意，从而可以将预期预测与当前最先进的行业预测进行比较。使用该…
基于CNN+数据增强+残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)+数据集+模型（一）
系列文章目录
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型（一）
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型…
理解 R-CNN：目标检测的一场革命
一、介绍 对象检测是一项基本的计算机视觉任务，涉及定位和识别图像或视频中的对象。多年来，人们开发了多种方法来应对这一挑战，但基于区域的卷积神经网络（R-CNN）的发展标志着目标检测领域的重大突破。R-CNN 及其后续变…
计算机视觉的应用19-基于pytorch框架搭建卷积神经网络CNN的卫星地图分类问题实战应用
大家好，我是微学AI，今天给大家介绍一下计算机视觉的应用19-基于pytorch框架搭建卷积神经网络CNN的卫星地图分类问题实战应用。随着遥感技术和卫星图像获取能力的快速发展，卫星图像分类任务成为了计算机视觉研究中一个重要的挑战。为了促进这一…
深度学习之基于Tensorflow卷积神经网络鸟类目标识别检测系统
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 基于Tensorflow的卷积神经网络（Convolutional Neural Networks，CNN）在鸟类目标识…
卷积神经网络（CNN）中感受野的计算问题
感受野 在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map）上每个像素点在原始图像上映射的区域大小，这里的原始图像是指网络的输入图像，是经过预处…
交叉注意力融合时域、频域特征的FFT + CNN-Transformer-CrossAttention轴承故障识别模型
目录
往期精彩内容：
前言
1 快速傅里叶变换FFT原理介绍
第一步，导入部分数据
第二步，故障信号可视化
第三步，故障信号经过FFT可视化
2 轴承故障数据的预处理
2.1 导入数据
2.2 制作数据集和对应标签
3 交叉注意力机制
…
最新！2024顶级SCI优化！TTAO-CNN-BiGRU-MSA三角拓扑聚合优化、双向GRU融合注意力的多变量回归预测程序！
适用平台：Matlab 2023版及以上
TTOA三角聚合优化算法，将在2024年3月正式发表在中科院1区顶级SCI期刊《Expert Systems with Applications》上。
该算法提出时间极短，目前以及近期内不会有套用这个算法的文献。新年伊始，尽快拿下…
深度学习入门笔记（七）卷积神经网络CNN
我们先来总结一下人类识别物体的方法： 定位。这一步对于人眼来说是一个很自然的过程，因为当你去识别图标的时候，你就已经把你的目光放在了图标上。虽然这个行为不是很难，但是很重要。看线条。有没有文字，形状是方的圆的，还是长的短的等等。看细节。纹理、颜色、方向等。卷…
41基于matlab的CNN的图像边缘提取，程序已调通，可直接运行。
基于matlab的CNN的图像边缘提取，程序已调通，可直接运行。 41matlabCNN图像边缘提取 (xiaohongshu.com)
41基于matlab的CNN的图像边缘提取，程序已调通，可直接运行。
基于matlab的CNN的图像边缘提取，程序已调通，可直接运行。 41matlabCNN图像边缘提取 (xiaohongshu.com)
【Image】图像处理
计算机视觉 CV
Perception
如自动驾驶领域。
只要是从所谓的图像当中去抽取信息的过程，我们都叫做Perception。
视觉检测可以涵盖二维检测，如车辆、人和信号灯的检测。另外，还可以控制三维信息，直接在三维空间中操作数据。 SL…
Yolov5轻量化：EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计，性能优于EdgeViT、Mobile-former等网络
论文： https://arxiv.org/pdf/2301.01146.pdf 🏆🏆🏆🏆🏆🏆Yolo轻量化模型🏆🏆🏆🏆🏆🏆 重新思考了 MobileNetv2 中高效的倒残差模块 Inverted Residual Block 和 ViT 中的有效 Transformer 的本质统一，归纳抽象了 MetaMobile Block 的一般概念。受这…
经典卷积神经网络 - AlexNet
AlexNet是由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton在2012年ImageNet图像分类竞赛中提出的一种经典的卷积神经网络。当时，AlexNet在 ImageNet 大规模视觉识别竞赛中取得了优异的成绩，把深度学习模型在比赛中的正确率提升到一个前所未有的高度…
探索未来的视觉革命：卷积神经网络的崭新时代（二）
💗💗💗欢迎来到我的博客，你将找到有关如何使用技术解决问题的文章，也会找到某个技术的学习路线。无论你是何种职业，我都希望我的博客对你有所帮助。最后不要忘记订阅我的博客以获取最新文章，也欢…
经典卷积神经网络-ResNet
经典卷积神经网络-ResNet
一、背景介绍
残差神经网络(ResNet)是由微软研究院的何恺明、张祥雨、任少卿、孙剑等人提出的。ResNet 在2015 年的ILSVRC（ImageNet Large Scale Visual Recognition Challenge）中取得了冠军。残差神经网络的主要贡献是发现了…
深度卷积神经网络DCNN简介
1. 背景 卷积神经网络CNN（Convolutional Neural Network，又称ConvNet）保留了空间信息，因此可以更好地用于图像分类。 卷积操作基于仔细甄选的局部感受野，在多个特征平面共享权值；之后全连接层基于传统的多层…
CNN、LeNet、AlexNet、VGG、GoogLeNet、RCNN、Fast RCNN、Faster RCNN、YOLO、YOLOv2、SSD等的关系
卷积神经网络的现状1943年美国数学家提出人工智能1949年心理学家建立神经元模型1957年弗兰克提出 感知器人工神经网络模型1980年建立多层感知器模型1984日本学者提出卷积神经网络原始模型神经感知机1998年提出LeNet-5卷积神经网络，并发展了其在音符和字符上的优势20…
时间序列预测 —— TCN模型
时间序列预测 —— TCN模型
卷积神经网络（Convolutional Neural Network，CNN）在图像处理等领域取得了显著的成就，一般认为在处理时序数据上不如RNN模型，而TCN（Temporal Convolutional Network）…
深度学习-卷积神经网络-ResNET
文章目录 前言1.resnet2.作者3.精度（TOP-5）4.论文一览5.竞赛排名6.网络退化7.残差8.残差 1.作者 前言
本文来自B站： ResNet深度残差网络
1.resnet 2.作者 3.精度（TOP-5） 4.论文一览 5.竞赛排名 6.网络退化
ResNet解…
卷积神经网络中池化层的详细介绍
卷积神经网络自2012年，到2023年经历了翻天覆地的变化。最早的卷积神经网络由卷积层、池化层和全连接层所构成。其中卷积层用于提取图像的特征，池化层削减特征数量，全连接层用于对特征进行非线性组合并预测类别。然而在transformer横行的年代&…
深度学习05-CNN循环神经网络
概述
循环神经网络（Recurrent Neural Network，RNN）是一种具有循环连接的神经网络结构，被广泛应用于自然语言处理、语音识别、时序数据分析等任务中。相较于传统神经网络，RNN的主要特点在于它可以处理序列数据…
【MATLAB第46期】基于MATLAB的改进模糊卷积神经网络IFCNN分类预测模型
【MATLAB第46期】基于MATLAB的改进模糊卷积神经网络IFCNN多分类预测模型
一、展示效果 二、思路
在正常CNN卷积神经网络训练阶段之后，使用进化算法（蜜蜂算法）拟合深度学习权重和偏差。
本文案例数据中， 用深度模型进行4分类预测…
《python深度学习》笔记（十九）：卷积神经网络的可视化
你知道神经网络各个层具体是怎样学习的吗？
深度学习模型就像是“黑盒”，即模型学到的表示很难用人类可以理解的方式来提取和呈现。这个说法部分正确，但卷积神经网络绝对不是这样的。卷积神经网络学到的表示非常适合可视化，很大程…
【视频学习笔记】（霹雳吧啦Wz）MobileNet 系列
视频链接：
7.1 MobileNet网络详解_哔哩哔哩_bilibili
7.1.2 MobileNetv3网络详解_哔哩哔哩_bilibili 目录
一、MobileNet V1
1. Motivation
2. Novelty
3. Depthwise Convolution（DW 卷积）
4. 模型结构和性能对比
二、MobileNet V2
…
【论文翻译】Few Sample Knowledge Distillation for Efficient Network Compression
Few Sample Knowledge Distillation for Efficient Network Compression
用于高效网络压缩的少样本知识提取
论文地址：https://arxiv.org/abs/1812.01839
代码地址：GitHub - LTH14/FSKD
摘要
Deep neural network compression techniques such as p…
卷积神经网络模型之——LeNet
目录LeNet模型参数介绍该网络特点关于C3与S2之间的连接关于最后的输出层子采样参考LeNet
LeNet是一个用来识别手写数字的最经典的卷积神经网络，是Yann LeCun在1998年设计并提出的。Lenet的网络结构规模较小，但包含了卷积层、池化层、全连接层࿰…
【深度学习：Convolutional Neural Networks】卷积神经网络入门指南
【深度学习：Convolutional Neural Networks】卷积神经网络入门指南 介绍为什么选择ConvNets而不是前馈神经网络？Input Image 输入图像基本架构Convolution Layer 卷积层 — 内核Pooling Layer 池化层Classification — Fully Connected Layer (FC Layer)…
tensorflow搭建cnn人脸识别训练+识别代码（python）
环境介绍:
Balabalabala
任何东西的起步都是把它的环境给搭建好，关于tensorflow的环境搭建网上一众博客这里就不多说了，自己使用的是Anaconda那套安装流程。这次代码还需要的一些其他python库，大家可以在跑的时候发现哪个no moudle了在inst…
交通标志识别系统-卷积神经网络
介绍
使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名…
DeepLab V3+
Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
分割图像的语义编码器-解码器和带孔可分离卷积的技术 摘要
对于语义分割任务，深度神经网络通常使用空间金字塔池化模块或编码器-解码器结构。前者通过以多种速率和多种有效视…
深度学习 卷积神经网络原理
深度学习 卷积神经网络原理一、前言二、全连接层的局限性三、卷积层3.1 如何进行卷积运算？3.2 偏置3.3 填充3.4 步长3.5 卷积运算是如何保留图片特征的？3.6 三维卷积3.7 多种特征提取四、池化层五、全连接层六、参考资料一、前言
本文分析了全连接层存在…
【测试代码 基于Pytorch】的卷积神经网络（CNN） || 【基于Pytorch】的深度卷积神经网络（DCNN）
声明：仅学习使用~ 目录 一、卷积神经网络 CNN1、【基于Pytorch】的卷积神经网络（CNN）2、【基于Pytorch】的深度卷积神经网络（DCNN）一、卷积神经网络 CNN
CNN，这里以 LeNet 为例。LeNet神经网络由深度学习三巨头之一的Yan LeCun提出，他同时也是卷积神经网络 (CNN，Convo…
第四章第七节：CNN练习1使用四种网络结构（VGG、ResNet、MobileNet、InceptionNet）进行cifar10训练
文章目录一：cifar10数据集介绍二：代码（1）数据加载脚本编写（2）模型搭建①：VGG②：ResNet③：MobileNetV1④：InceptionNet（3）训练脚本一&a…
10 卷积神经网络CNN（基础篇）
文章目录全连接CNN过程卷积过程下采样过程全连接层卷积原理单通道卷积多通道卷积改进多通道总结以及课程代码卷积改进PaddingStride下采样过程大池化层（Max Pooling）简单卷积神经网络的实现课程代码本篇课程来源：
链接部分文本来源参考&#…
“深度学习”学习日记。卷积神经网络--用CNN的实现MINIST识别任务
2023.2.11
通过已经实现的卷积层和池化层，搭建CNN去实现MNIST数据集的识别任务；
一，简单CNN的网络构成： 代码需要在有网络的情况下运行，因为会下载MINIST数据集，运行后会生成params.pkl保留训练权重&…
【深度学习】卷积神经网络
1 卷积神经网络（CNN）可以做什么？
检测任务分类与检索超分辨率重构：将图像训练的更清晰医学任务等无人驾驶人脸识别
2 用GPU：图像处理单元 比CPU块一百倍以上
3 卷积神经网络与传统神经网络的区别 传统神经网络&…
人工智能(Pytorch)搭建卷积神经网络实现简单图像分类
本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052
目录
一、Pytorch深度学习框架
二、卷积神经网络
三、代码实战 内容：
一、Pytorch深度学习框架
PyTorch是一个开源的深度学习框架，它基于Torch进行了重新…
论文解读HN-PPISP:一种基于MLP-Mixer的蛋白质-蛋白质相互作用位点预测混合网络
Title:HN-PPISP: a hybrid network based on MLP-Mixer for protein–protein interaction site prediction期刊：Briefings in Bioinformatics影响因子：13.994中科院分区：Q1出版日期：2022年11月19号DOI:10.1093/bib/bbac480Github…
多层多输入的CNN-LSTM时间序列回归预测（卷积神经网络-长短期记忆网络）——附代码
目录
摘要：
卷积神经网络(CNN)的介绍：
长短期记忆网络（LSTM）的介绍：
CNN-LSTM： Matlab代码运行结果：
本文Matlab代码数据分享： 摘要：
本文使用CNN-LSTM混合神经网…
PyTorch入门（五）使用CNN模型进行中文文本分类
本文将会介绍如何在PyTorch中使用CNN模型进行中文文本分类。 使用CNN实现中文文本分类的基本思路：
文本预处理将字（或token）进行汇总，形成字典文件，可保留前n个字文字转数字，不在字典文件中用表示对文…
基于卷积神经网络的种子等级识别
目录
背影 卷积神经网络CNN的原理 卷积神经网络CNN的定义 卷积神经网络CNN的神经元 卷积神经网络CNN的激活函数 卷积神经网络CNN的传递函数 基于GUI的卷积神经网络和长短期神经网络的语音识别系统 代码下载链接：基于MATLABGUI编程的卷积神经网络和长短期神经网络语音识别系统…
【PyTorch】从头搭建并训练一个神经网络模型（图像分类、CNN）
目录0. 前言1. 使用torchvision加载数据集并做预处理2. 定义（搭建）自己的神经网络3. 定义损失函数（Loss Function）和优化器（Optimizer）4. 训练神经网络5. 测试模型结果6. 嫌CPU太慢？换GPU训练并…
关于卷积神经网络的填充（padding）
认识填充 （padding） 随着卷积层数的加深，输出进一步缩小，那么最终会导致输出很快就只剩下1∗1的数组，这也就没办法继续计算了，所以提出了填充的方法来方便网络的进一步加深。 其实填充的原因有两点…
卷积神经网络全解：（AlexNet/VGG/ GoogLeNet/LeNet/ResNet/卷积/激活/池化/全连接）、现代卷积神经网络、经典卷积神经网络
CNN，卷积神经网络，Convolution Neural Network
卷积计算公式：N （W-F2p）/s1
这个公式每次都得看看，不能忘
1 经典网络
按照时间顺序
1.1 LeNet
LeNet是 Yann LeCun在1998年提出，用于解决手…
CV学习笔记-MobileNet
MobileNet 文章目录MobileNet1. MobileNet概述2. 深度可分离卷积（depthwise separable convolution）2.1 深度可分离卷积通俗理解2.2 深度可分离卷积对于参数的优化3. MobileNet网络结构4. 代码实现4.1 卷积块4.2 深度可分离卷积块4.3 MobileNet定义4.4 完…
基于卷积神经网络进行股价预测（Matlab代码实现）
目录 💥1 概述
📚2 运行结果
🎉3 参考文献
👨💻4 Matlab代码 💥1 概述
CNN是一种人工神经网络，CNN的结构可以分为3层： 卷积层(Convolutional Layer) - 主要作用是提取特征。 …
CNN PyTorch MNIST
使用 PyTorch 实现一个简单的卷积神经网络（CNN）来对 MNIST 数据集进行分类 首先，
导入必要的库：
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms然后ÿ…
Pytorch实现CNN：LeNet（附代码实现与讲解）
目录
一、准备MNIST数据集 二、LeNet模型构建
三、完整代码 本篇博客教大家使用MNIST数据集基于Pytorch框架实现比较经典的一种卷积神经网络：LeNet。
运行环境：python 3.6.12，pytorch 1.6.0，torchvision 0.7.0
一、准备MNIST数…
通俗理解CNN感受野的计算方法
x o u t x i n − k s 1 x_{out} \frac{x_{in} - k}{s} 1 xoutsxin−k1 如果不考虑padding，卷积输出的feature map的计算公式如上，那么 x i n ( x o u t − 1 ) ∗ s k x_{in} (x_{out} - 1) * s k xin(xout−1)∗sk。因此计算模型的感…
转置卷积(一) 搞懂转置卷积的计算
搞懂转置卷积的计算 0、参考文档1、转置卷积是什么？1.1 定义1.2 需要注意 2、转置卷积的计算2.1 从最简单的开始2.2 考虑stride2.3 考虑padding2.4 考虑dilation 3 转置卷积的加速 文章首发于https://zhaodongyu-ak47.github.io/Transposed_Convolution/ 最近做了一…
卷积神经网络狗猫数据集的分类
卷积神经网络狗猫数据集的分类 环境搭建 安装Anaconda 具体安装过程，请自行百度 配置TensorFlow、Keras 创建虚拟环境 输入下面命令： conda create -n ppqppl_tfl python3.6
#tf1是自己为创建虚拟环境取的名字，后面python的版本可以根据自己需…
一、卷积神经网络（02 卷积变种）
一、分组卷积
普通的卷积操作在通道上使’全连接‘的，而分组卷积将输入通道与输出通道都划分为同样的组数，相同组的通道全连接。假设记分组数为g，则计算量与参数量减小到原来的1/g。 应用场景： 分组卷积最初是在AlexNet网络引入…
R-CNN（Region with CNN feature）
目录
1. 介绍
2. R-CNN
2.1 SS(Selective Search) 算法 生成候选框
2.2 CNN 提取特征
2.3 SVM 分类
非极大值抑制
2.4 回归器微调候选框
3. R-CNN 的缺点 1. 介绍
目标识别的发展历史如图 2. R-CNN
RCNN 是两阶段目标检测的鼻祖，类似于深度学习开山之作Al…
李宏毅2021春季机器学习课程视频笔记11-卷积伸进网络（CNN）
卷积神经网络架构
图像识别 将图片拉直放入神经网络中进行训练。 网络通过对图像中的存在的特征进行分析，判断当前属于何种类别。 神经网络其实不需要对整个图片进行分析，只需要对一些特殊的信息进行分析就可以得知当前图片所属的类别，基于此…
（论文加源码）基于DEAP和MABHOB数据集的二分类脑电情绪识别（pytorch深度神经网络（DNN）和卷积神经网络（CNN））代码解析
论文解析见个人主页：
https://blog.csdn.net/qq_45874683/article/details/130000469?csdn_share_tail%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22130000469%22%2C%22source%22%3A%22qq_45874683%22%7D
（论文加源码…
YOLOv8改进检测头｜增加卷积CNN小目标检测头、超多种Transformer小目标检测头
💡本篇内容：YOLOv8 改进检测头｜增加多种CNN、超多种Transformer小目标检测头：小目标检测头 重点：🔥🔥🔥YOLOv8 使用这个 创新点 在数据集改进做实验：即插即用 小目标检测头
💡🚀🚀🚀本博客 内附的改进源代码改进，按步骤操作运行改进后的代码即可
读…
将DenseNet换成Resnet——更换深度学习骨干网络
最近我在学习一个手写公式识别的网络，这个网络的backbone使用的是DenseNet，我想将其换成ResNet 至于为什么要换呢，因为我还没换过骨干网络，就像单纯拿来练练手，增加我对网络的熟悉程度，至于会不会对模型的性…
自动驾驶 知识点 Review 2D 感知算法 一（两阶段法 R-CNN系列，FPN，R-FCN）
文章目录R-CNN系列R-CNNR-CNNFast RCNNFaster RCNNFPNR-FCNR-CNN系列
R-CNN 两个步骤：1）提取物体区域；2）对区域进行分类识别； 本章所有模型都基于这个思想。但是YOLO不是。
R-CNN 找到2000个可能出现物体的区域&…
知识推理——CNN模型总结（持续更新）
记录一下我看过的利用CNN实现知识推理的论文。
最后修改时间：2023.05.10
目录
1.ConvE
1.1.解决的问题
1.2.优势
1.3.贡献与创新点
1.4.方法
1.4.1 为什么用二维卷积，而不是一维卷积？
1.4.2.ConvE具体实现
1.4.3.1-N scoring
1.5.…
GoogLeNet卷积神经网络模型详解
Inception架构是神经网络中最流行的架构之一。GoogLeNet就是一种采用这种架构的神经网络模型。它是由谷歌公司推出的一种用于图像分类、物体检测等任务的神经网络。本文将对GoogLeNet进行详解。
一、Inception架构
Inception是一种基于深度学习的神经网络架构，用于…
人工智能CNN 卷积神经网络结构（tensorflow代码实现）
MNIST是一个简单的视觉计算数据集，它是像下面这样手写的数字图片： MNIST
通过上期的分享，我们了解了手写数字识别的基本原理以及CNN卷积神经网络的基本原理，本期我们结合MNIST数据集，来用代码来实现CNN。（手写数字识别是TensorFlow人工智能最基础的案例，这个跟学习编程…
ImageNet Classification with Deep ConvolutionalNeural Networks
AlexNet网络实现：https://blog.csdn.net/weixin_43912621/article/details/127757396
ImageNet Classification with Deep ConvolutionalNeural Networks
Abstract
We trained a large, deep convolutional neural network to classify the 1.2 million high-res…
李宏毅2021春季机器学习课程笔记5：Convolutional Neural Network(CNN)
文章目录1. Convolutional Neural Network(CNN)1.1 Neuron Version1.2 Filter Version Story1.3 Pooling1. Convolutional Neural Network(CNN)
CNN大多数应用于影像方面，例如给机器一张图片，让机器识别图片中是什么东西。 一般首先要假设图形的大小都是…
机器学习-12 卷积神经网络简介
卷积神经网络 引言深度学习发展历程深度应用领域深度学习vs传统机器学习深度神经网络vs浅层神经网络深度学习概述 卷积神经网络CNNBP神经网络CNN概述卷积神经网络大致结构卷积神经网络大致过程 局部连接权值共享非线性映射ReLU（Rectified Linear Units）池…
使用卷积神经网络构建一个图像分类模型
在本文中，我们将详细介绍如何使用卷积神经网络（Convolutional Neural Networks，CNN）构建一个图像分类模型。我们将从理论基础开始，然后通过编写代码来实现一个完整的模型，并在一个实际的数据集上进行训练和…
卷积神经网络概念与原理,卷积神经网络结构设计
1、卷积神经网络算法是什么？
一维构筑、二维构筑、全卷积构筑。
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深…
神经网络 卷积神经网络,为什么用卷积神经网络
1、卷积神经网络主要做什么用的？
卷积网络的特点主要是卷积核参数共享，池化操作。 参数共享的话的话是因为像图片等结构化的数据在不同的区域可能会存在相同的特征，那么就可以把卷积核作为detector，每一层detect不同的特征&#…
vue怎么用照片做视频,vue可以直接拍照片吗
vue vlog剪辑教程
1、在应用商城搜索vuevlog，然后点击安装。2、返回桌面找到刚下载的vuevlog。3、打开软件后点击下方的相机图标。4、在新出现的页面中点击剪辑。
5、在弹出来的视频页面中选择自己想要剪辑的视频。6、在选择好视频之后，点击导入。7、在…
消除视觉Transformer与卷积神经网络在小数据集上的差距
摘要：本文通过多种操作构建混合模型，增强视觉Transformer捕捉空间相关性的能力和其进行通道多样性表征的能力，弥补了Transformer在小数据集上从头训练的精度与传统的卷积神经网络之间的差距。本文分享自华为云社区《[NeurIPS 2022] 消除视觉T…
一维卷积神经网络原理,卷积神经网络原理简述
卷积神经网络算法是什么？
一维构筑、二维构筑、全卷积构筑。
卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习&a…
卷积神经网络 图像处理,深度卷积网络基本模型
深度学习网络框架卷积后，为什么图像块的大小没变化
卷积后的图像大小，不止与卷积核大小有关，还有步长，填充方式。卷积填充方式有三种same，vaild，full。same：卷积前后图像大小一样。
计算公式是…
卷积计算公式 神经网络,卷积神经网络卷积计算
卷积神经网络每层提取的特征是什么样的
卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。
图：卷积神经网络的概念示范：输入图像通过和三个可训练的滤波器和可加偏置进行卷积…
图卷积神经网络文本分类,卷积神经网络文本分析
卷积神经网络主要做什么用的？
卷积网络的特点主要是卷积核参数共享，池化操作。
参数共享的话的话是因为像图片等结构化的数据在不同的区域可能会存在相同的特征，那么就可以把卷积核作为detector，每一层detect不同的特征…
用于＜分类＞的卷积神经网络、样本不平衡问题的解决
输入图像——卷积层——池化层——全连接层——输出
卷积层：核心，用来提取特征。 池化层：对特征降维。实际的主要作用是下采样，减少参数量来提高计算速度。 卷积神经网络的训练：前向传播（分类识别…
深度学习笔记：深度学习CNN python程序实现
加深网络
深度学习相对于一般的神经网络区别就在于使用多层隐藏层。在该例中我们构造一个基于CNN的深度学习网络，其训练完成后对于mnist数据集失败准确率可以超过99%
该网络隐藏层结构： 卷积层—ReLU—卷积层—ReLU—池化层—卷积层—ReLU—卷积层—Re…
计算机视觉：什么是感受野？
本文重点
前面我们学习了卷积神经网络的基本操作：卷积、步长、填充、池化。以上几个步骤是卷积神经网络的核心操作，接下来我们将学习一个非常有意义的概念：感受野。
什么是感受野
计算机视觉中的感受野是指神经网络中每个神经元对输入图像像素的影响范围，也就是神经元所…
CNN 01(CNN简介)
一、卷积神经网络的发展
convolutional neural network
在计算机视觉领域，通常要做的就是指用机器程序替代人眼对目标图像进行识别等。那么神经网络也好还是卷积神经网络其实都是上个世纪就有的算法，只是近些年来电脑的计算能力已非当年的那种计算水平…
FitNets: Hints for Thin Deep Nets：feature map蒸馏
这篇就比较简单了，就是从中间选一层feature map出来，T和S做个Loss来训S，训好了再用KD再训一遍S 这里有个问题，文中用的S和T的宽度不一样(输出feature map的channel不一样)，因此第一阶段还需要在S的feature map后加一个…
卷积神经网络处理图像,卷积神经网络图像增强
怎样把手机里模糊的照片变成高清
如何用手机让模糊照片变清晰先把模糊照片拍照保存到手机相册。尽量把照片摆正，拍清楚一些。2.在手机应用商店(应用市场)下载安装“美图秀秀”。3.打开美图秀秀，点“工具箱”，再点“老照片修复”。
4.点“一…
python卷积神经网络代码,神经网络代码怎么写
如何用9行Python代码编写一个简易神经网络
python是一款应用非常广泛的脚本程序语言，谷歌公司的网页就是用python编写。python在生物信息、统计、网页制作、计算等多个领域都体现出了强大的功能。
python和其他脚本语言如java、R、Perl一样，都可以直接…
基于深度学习图像分割的墙体裂缝识别检测
直接上效果演示图： demo的演示视频和代码仓库看b站视频002期：
到此一游7758258的个人空间_哔哩哔哩_bilibili
代码展示界面 主要是01、02、03.py文件
运行01make_dataset.py文件能将图片数据转化成特定的格式。 自制数据集需要使用labelme工具对图片中…
论文解读：DenseCap: Fully Convolutional Localization Networks for Dense Captioning
本篇论文解读的排版主要参见原文的格式，针对原文中的每一个小节进行展开，有的是对原文的一个提炼和简单概括，有的是对原文中涉及但是又没有详细介绍的技术的补充和说明。 原文连接：https://cs.stanford.edu/people/karpathy/dens…
哪些属于神经网络结构,神经网络主要包括哪些
神经网络有哪些主要分类规则并如何分类？
神经网络模型的分类人工神经网络的模型很多，可以按照不同的方法进行分类。其中，常见的两种分类方法是，按照网络连接的拓朴结构分类和按照网络内部的信息流向分类。
1按照网络拓朴结构分类…
卷积神经网络--猫狗系列【CNN】
数据集，这次这个是分了类的【文末分享】 各12500张： 两点需要注意：
①猫狗分类是彩色图片，所以是3个channel；
②猫狗分类的图片大小不一，但是CNN的输入要求是固定大小，所以要resize。 划分训练…
使用GPU加速TensorFlow机器学习
在Thinkpad X260上运行一个CNN图像分类的样例程序时，发现速度特别慢，迭代一轮要将近5分钟，那么迭代200轮需要1000分钟，16个小时！在看到TensorFlow相关的书籍时，总是提到GPU加速，对于这样的问题&…
手把手教你搭建入门级卷积神经网络
文章目录基于Tensorflow2.0搭建入门级卷积神经网络前置理论CNN基本构成 - 卷积层CNN基本构成 - 批标准化CNN基本构成 - 池化CNN基本构成 - 舍弃实战搭建CNN基于Tensorflow2.0搭建入门级卷积神经网络
前置理论
【引言】：在全连接神经网络中，每个神经元与…
OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 论文笔记
1、解决什么问题
使用一个卷积网络同时解决三个问题：分类、定位和检测（Recognition、Localization and Detection）。这个合成网络结构是ILSVRC3的winner。并且论文表明，训练一个卷积网络同时实现分类、定位和检测，可以…
卷积层输出尺寸计算 / 感受野尺寸计算
卷积层输出尺寸计算
输入图像a*a, 卷积核大小b*b, stride c, padding d
输出图像的尺寸：[(a - b 2d) // c] 1
(a - b 2d) 表示在输入图像两侧填充 d 个像素后，窗口在输入图像上最多能移动的距离，再加上 1 表示最后一个窗口的右侧边界…
基于PyTorch的图像识别
前言
图像识别是计算机视觉领域的一个重要方向，具有广泛的应用场景，如医学影像诊断、智能驾驶、安防监控等。在本项目中，我们将使用PyTorch来开发一个基于卷积神经网络的图像识别模型，用来识别图像中的物体。下面是要识别的四种物…
CNN-第三周：Detection algorithms
1. Object Localization
我们之前的学习一直在讨论图片分类；接下来这一章将讲到物体定位，即不仅要判别图片中是否有检测目标，还要标出目标的位置。如下：
要做到object localization，首先需要给训练图片明确地标注出…
RepVGG: Making VGG-style ConvNets Great Again
文章地址：《RepVGG: Making VGG-style ConvNets Great Again》
代码地址：https://github.com/megvii-model/RepVGG
文章发表于CVPR2021，文章提出一种将训练态和推断态网络结构解耦的方法。文章认为目前复杂的网络结构能够获取更高的精度&am…
初识卷积神经网络(CNN)
卷积神经网络：Convolutional Neural Networks
卷积层用来识别图片里的空间模式，例如线条和物体局部，之后的最大池化层则用来降低卷积层对位置的敏感性。
从之前的学习中我们了解到，计算机在识别图片时，学习到的初级特…
UNET 架构综合指南 | 掌握图像分割--附源码
介绍
在令人兴奋的计算机视觉主题中，图像包含许多秘密和信息，区分和突出显示项目至关重要。图像分割是将图像分割成有意义的区域或对象的过程，在从医学成像到自动驾驶和对象识别等各种应用中至关重要。准确和自动的分割长期以来一直面临挑战，传统方法经常在准确性和效率方…
CNN经典网络模型之GoogleNet论文解读
目录
1. GoogleNet
1.1 Inception模块
1.1.1 1x1卷积
1.2 辅助分类器结构
1.3 GoogleNet网络结构图 1. GoogleNet
GoogleNet，也被称为Inception-v1，是由Google团队在2014年提出的一种深度卷积神经网络架构，专门用于图像分类和特征提取任…
变形金刚在图像识别方面比CNN更好吗？
链接到文 — https://arxiv.org/pdf/2010.11929.pdf 一、说明 如今，在自然语言处理（NLP）任务中，转换器已成为goto架构（例如BERT，GPT-3等）。另一方面，变压器在计算机视觉任务中的使用…
目标检测算法YOLO-V1算法详解
一、YOLO-V1结构剖析 YOLO-V1的核心思想：就是利用整张图作为网络的输入，将目标检测作为回归问题解决，直接在输出层回归预选框的位置及其所属的类别。YOLO和RCNN最大的区别就是去掉了RPN网络，去掉候选区这个步骤以后，YO…
深度学习03-卷积神经网络(CNN)
简介
CNN，即卷积神经网络（Convolutional Neural Network），是一种常用于图像和视频处理的深度学习模型。与传统神经网络相比，CNN 有着更好的处理图像和序列数据的能力，因为它能够自动学习图像中的特征&…
【机器学习】基于卷积神经网络 CNN 的猫狗分类问题
文章目录 一、卷积神经网络的介绍1.1 什么是卷积神经网络1.2 重要层的说明1.3 应用领域二、 软件、环境配置2.1 安装Anaconda2.2 环境准备 三、猫狗分类示例3.1 图像数据预处理3.2 基准模型3.3 数据增强3.4 dropout层四、总结 一、卷积神经网络的介绍
1.1 什么是卷积神经网络 …
分类预测 | MATLAB实现MTBO-CNN多输入分类预测
分类预测 | MATLAB实现MTBO-CNN多输入分类预测 目录 分类预测 | MATLAB实现MTBO-CNN多输入分类预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.MATLAB实现MTBO-CNN多输入分类预测 2.代码说明：基于登山队优化算法（MTBO）、卷积神经…
卷积神经网络模型中的数据尺寸变换
卷积神经网络模型中的数据尺寸变换
DateAuthorVersionNote2023.08.16Dog TaoV1.0完成文档初稿（英文） 文章目录 卷积神经网络模型中的数据尺寸变换张量类型数据Brief introductionMeanings of the dimension 张量的维度变换方法tensor.squeeze()tensor.u…
PyTorch深度学习实战——使用卷积神经网络执行图像分类
PyTorch深度学习实战——使用卷积神经网络执行图像分类 0. 前言1. Fashion-MNIST 数据集图像分类2. 模型测试相关链接 0. 前言
我们已经在《卷积神经网络详解》一节中介绍了传统神经网络在面对图像平移时的问题以及卷积神经网络 (Convolutional Neural Network, CNN) 的工作原…
深度学习实战基础案例——卷积神经网络（CNN）基于SqueezeNet的眼疾识别|第1例
文章目录 前言一、数据准备1.1 数据集介绍1.2 数据集文件结构 二、项目实战2.1 数据标签划分2.2 数据预处理2.3 构建模型2.4 开始训练2.5 结果可视化 三、数据集个体预测 前言
SqueezeNet是一种轻量且高效的CNN模型，它参数比AlexNet少50倍，但模型性能&a…
【Matlab验证码识别】CNN验证码识别【含源码 098期】
一、代码运行视频（哔哩哔哩）
【Matlab验证码识别】CNN验证码识别【含源码 098期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020. [2]杨丹,赵海滨…
卷积神经网络实现天气图像分类 - P3
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍦 参考文章：Pytorch实战 | 第P3周：彩色图片识别：天气识别🍖 原作者：K同学啊 | 接辅导、项目定制🚀 文章来源ÿ…
【Python机器学习】实验14 手写体卷积神经网络（PyTorch实现）
文章目录 LeNet-5网络结构（1）卷积层C1（2）池化层S1（3）卷积层C2（4）池化层S2（5）卷积层C3（6）线性层F1（7）线性层F2 …
深度学习最强奠基作ResNet《Deep Residual Learning for Image Recognition》论文解读(上篇)
1、摘要
1.1 第一段
作者说深度神经网络是非常难以训练的，我们使用了一个残差学习框架的网络来使得训练非常深的网络比之前容易得很多。
把层作为一个残差学习函数相对于层输入的一个方法，而不是说跟之前一样的学习unreferenced functions
作者提供了…
卷积神经网络——上篇【深度学习】【PyTorch】
文章目录 5、卷积神经网络5.1、卷积5.1.1、理论部分5.1.2、代码实现5.1.3、边缘检测 5.2、填充和步幅5.2.1、理论部分5.2.2、代码实现 5.3、多输入多输出通道5.3.1、理论部分5.3.2、代码实现 5.4、池化层 | 汇聚层5.4.1、理论部分5.4.2、代码实现 5、卷积神经网络
5.1、卷积
…
卷积神经网络——下篇【深度学习】【PyTorch】【d2l】
文章目录 5、卷积神经网络5.10、⭐批量归一化5.10.1、理论部分5.10.2、代码部分 5.11、⭐残差网络（ResNet）5.11.1、理论部分5.11.2、代码部分 话题闲谈 5、卷积神经网络
5.10、⭐批量归一化
5.10.1、理论部分
批量归一化可以解决深层网络中梯度消失和…
深度学习|CNN卷积神经网络
CNN卷积神经网络 解决的问题人类的视觉原理原理卷积层——提取特征池化层——数据降维全连接层——输出结果 应用图像处理自然语言处理 解决的问题
在CNN没有出现前，图像对人工智能来说非常难处理。 主要原因：
图像要处理的数据量太大了。图像由像素组…
基于CNN卷积神经网络的目标识别matlab仿真,数据库采用cifar-10
目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
5.算法完整程序工程 1.算法运行效果图预览 2.算法运行软件版本
MATLAB2022a
3.部分核心程序
.......................................................................
%定义网络层
lay…
卷积神经网络——中篇【深度学习】【PyTorch】【d2l】
文章目录 5、卷积神经网络5.5、经典卷积神经网络（LeNet）5.5.1、理论部分5.5.2、代码实现 5.6、深度卷积神经网络（AlexNet）5.6.1、理论部分5.6.2、代码实现 5.7、使用块的网络（VGG）5.7.1、理论部分5.7.2、代…
深度学习卷积神经网络CNN之ResNet模型网络详解说明（超详细理论篇）
1.ResNet背景 2. ResNet论文 3. ResNet模型结构 4. ResNet优缺点
一、ResNet背景 ResNet 在2015 年由微软研究院提出的一种深度卷积神经网络结构，在ILSVRC（ImageNet Large Scale Visual Recognition Challenge）中取得了冠军（分类…
深度学习1.卷积神经网络-CNN
目录
卷积神经网络 – CNN
CNN 解决了什么问题？
需要处理的数据量太大
保留图像特征
人类的视觉原理
卷积神经网络-CNN 的基本原理
卷积——提取特征
池化层（下采样）——数据降维，避免过拟合
全连接层——输出结果
CNN …
CNN 02(CNN原理)
一、卷积神经网络(CNN)原理
1.1 卷积神经网络的组成
定义 卷积神经网络由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结构相比，卷积神经网络在图像等方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他浅层或深度神经…
计算机视觉-LeNet
目录
LeNet
LeNet在手写数字识别上的应用
LeNet在眼疾识别数据集iChallenge-PM上的应用 LeNet
LeNet是最早的卷积神经网络之一。1998年，Yann LeCun第一次将LeNet卷积神经网络应用到图像分类上，在手写数字识别任务中取得了巨大成功。LeNet通过连续使用…
CNN（六）：ResNeXt-50实战
🍨 本文为🔗365天深度学习训练营中的学习记录博客🍖 原作者：K同学啊|接辅导、项目定制 ResNeXt是有何凯明团队在2017年CVPR会议上提出来的新型图像分类网络。它是ResNet的升级版，在ResNet的基础上，引入了ca…
深度学习技巧应用26-CNN中多种注意力机制的嵌入方法，终于搞懂注意力机制了
大家好，我是微学AI，今天给大家介绍一下深度学习技巧应用26-CNN中多种注意力机制的嵌入方法，终于搞懂注意力机制了。CNN是一种能够有效处理图像和其他二维数据的深度学习模型。在传统的CNN中，每个卷积核都会对输入的所有位置进行相同的操作，这可能导致网络无法针对特定区域…
目标检测YOLO实战应用案例100讲-基于CNN的卫星图像下舰船目标检测与识别(续)
目录
3.3评价指标
3.3.1 mAP
3.3.2 FPS
3.4主流目标检测网络性能研究
3.4.1 SSD
3.4.2 Faster RCNN
3.4.3 YOLO
语义分割Mask R-CNN
语义分割Mask R-CNN–潘登同学的深度学习笔记 文章目录语义分割Mask R-CNN--潘登同学的深度学习笔记上采样双线性插值转置卷积代码实现将双线性插值与转置卷积结合ROI AlignRoI PoolingRoIWrap PoolingROIAlign PoolingFPN思想图像金字塔(Featurized image pyramid)高斯金字塔拉…
基于深度学习的弹道目标智能分类
关注微信公众号：人工智能技术与咨询。了解更多资讯！ 来源：系统工程与电子技术，作者李江等
摘要 针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标…
深度学习入门教学——卷积神经网络CNN
一、CNN简介
1、应用领域
检测任务 分类与检索 超分辨率重构 2、卷积网络与传统网咯的区别
传统神经网络和卷积神经网络都是用来提取特征的。神经网络： 可以将其看作是一个二维的。卷积神经网络： 可以将其看作是一个三维的。 3、整体框架 二、输入层 …
图像的卷积操作、感受野、特征图大小计算
图像的卷积操作
正常的卷积操作
对于图像矩阵来说，卷积操作就是一个固定大小（比如3*3）的滑动窗口，在图像上滑过，每次滑过的地方做逐像素的点乘操作。如下图所示： 卷积操作有四个参数，分…
助力智能辅助识别，基于轻量级卷积神经网络mobilenet开发构建结直肠息肉识别系统
AI与医学领域数据的结合早已是一个热门的方向，基于深度学习技术来开发辅助智能识别和检测模型对于疾病的高效智能化诊断有着重要的指导意义，这里本文的主要思想就是想要基于轻量级的CNN模型来尝试开发构建息肉识别系统，后续项目中会需要基于此…
李宏毅-21-hw3:对11种食物进行分类-CNN
一、代码慢慢阅读理解总结内化：
1.关于torch.nn.covd2d()的参数含义、具体用法、功能：
（1）参数含义：
注意，里面的“padding”参数：《both》side所以是上下左右《四》边都会加一个padding数量…
【深度学习】基于卷积神经网络的铁路信号灯识别方法
基于卷积神经网络的铁路信号灯识别方法 摘 要：1 引言2 卷积神经网络模型2.1 卷积神经网络结构2.2.1 卷积层2.2.2 池化层2.2.3 全连接层 3 卷积神经网络算法实现3.1 数据集制作3.2 卷积神经网络的训练过程3.2.1 前向传播过程 4 实验5 结语 摘 要：
目前中…
AI：07-基于卷积神经网络的海洋生物的识别
当涉及海洋生物的识别和研究时，基于深度学习的方法已经展现出了巨大的潜力。深度学习模型可以利用大量的图像和标记数据来自动学习特征，并实现高准确度的分类任务。本文将介绍如何使用深度学习技术来实现海洋生物的自动识别，并提供相应的代码示例。
数据收集和预处理
要训…
计算机视觉的应用13-基于SSD模型的城市道路积水识别的应用项目
大家好，我是微学AI，今天给大家介绍一下计算机视觉的应用13-基于SSD模型的城市道路积水识别的应用项目。今年第11号台风“海葵”后部云团的影响，福州地区的降雨量突破了历史极值，多出地方存在严重的积水。城市道路积水是造成交通拥…
04 卷积神经网络搭建
一、数据集
MNIST数据集是从NIST的两个手写数字数据集：Special Database 3 和Special Database 1中分别取出部分图像，并经过一些图像处理后得到的[参考]。
MNIST数据集共有70000张图像，其中训练集60000张，测试集10000张。所有图…
MNIST手写数字辨识-cnn网路 (机器学习中的hello world，加油)
用PyTorch实现MNIST手写数字识别(非常详细) - 知乎 (zhihu.com)
参考来源（这篇文章非常适合入门来看，每个细节都讲解得很到位）
一、模块函数用法-查漏补缺：
1.关于torch.nn.functional.max_pool2d()的用法： 上述示例…
Depthwise Separable Convolution、Depthwise(DW)卷积与Pointwise(PW)卷积
Depthwise(DW)卷积与Pointwise(PW)卷积，合起来被称作Depthwise Separable Convolution(参见Google的Xception)，该结构和常规卷积操作类似，可用来提取特征，但相比于常规卷积操作，其参数量和运算成本较低。所以在一些轻量…
【通俗理解】CNN卷积神经网络 - 附带场景举例
一. CNN 算法概述 CNN的全称是Convolutional Neural Networks, ConvNets，称之为卷积神经网络，是深度学习的经典算法之一。
CNN一般用于图片分类、检索、人脸识别、目标定位等。在常规的图像处理的过程中，存在以下两个问题：
图像…
卷积神经网络 – CNN简介
概念
人工神经网络（Artificial Neural Networks，ANN）是一种模拟生物神经系统的结构和行为，进行分布式并行信息处理的算法数学模型。ANN通过调整内部神经元与神经元之间的权重关系，从而达到处理信息的目的。而卷积神经…
OpenCV 09(形态学)
一、形态学
形态学指一系列处理图像 形状特征 的图像处理技术. 形态学的基本思想是利用一种特殊的结构元(本质上就是卷积核)来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。这些处理方法基本是对二进制图像进行处理, 即黑白图像卷积核…
yolo物体检测系列实战1：yolo-v1整体思想与网络架构
1、物体检测经典方法
two-stage（两阶段）：Faster-rcnn Mask-Rcnn系列one-stage（单阶段）：YOLO系列 最核心的优势：速度非常快，适合做实时检测任务！但是缺点也是有的&#x…
九 动手学深度学习v2 ——卷积神经网络之AlexNet
文章目录 AlexNetVGG AlexNet AlexNet新引入dropout、ReLU、maxpooling和数据增强。
VGG VGG神经网络连接 图7.2.1的几个VGG块（在vgg_block函数中定义）。其中有超参数变量conv_arch。该变量指定了每个VGG块里卷积层个数和输出通道数。全连接模块则与Ale…
CSwin-PNet: CNN-Swin-Vit 组合金字塔网络用于超声图像中乳腺病变分割
ATTransUNet 期刊分析摘要贡献方法整体框架1. Residual Swin Transformer block2. Interactive channel attention module3. Supplementary feature fusion module4. Boundary detection module 实验1. 消融实验2. 对比实验3. 失败案例讨论 可借鉴参考 期刊分析
期刊名&#x…
【计算机视觉 | 图像模型】常见的计算机视觉 image model（CNNs Transformers） 的介绍合集（三）
文章目录 一、MnasNet二、GhostNet三、Compact Convolutional Transformers（CCT）四、NesT五、Res2Net六、EfficientNetV2七、Capsule Network八、Pyramid Vision Transformer九、Dual Path Network（DPN）十、Dense Prediction Tran…
YOLO物体检测-系列教程5：YOLOV3项目实战2之 darknet模型构造、前向传播计算方式
🎈🎈🎈YOLO 系列教程 总目录
上篇内容： YOLOV3项目实战1之 整体介绍与数据处理 YOLOV3提出论文：《Yolov3: An incremental improvement》
4、模型创建函数
模型创建函数 位置：项目 / utils / models.py …
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集（三）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 模型训练1）数据集分析2）数据预处理3）模型创建(1)定义参数(2)定义网络数据输入占位符(3)定义用户嵌入矩阵(4)定义电影嵌入矩阵(5)定义电影类型嵌入矩阵(6)处理电影名称(7) 全连…
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集（二）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 模型训练1）数据集分析2）数据预处理 相关其它博客工程源代码下载其它资料下载 前言
本项目专注于MovieLens数据集，并采用TensorFlow中的2D文本卷积网络模型。它结合了协同过滤…
【CNN-FPGA开源项目解析】03--单格乘加运算单元PE 单窗口卷积块CU 模块
03–单格乘加运算单元PE & 单窗口卷积块CU 文章目录 03--单格乘加运算单元PE & 单窗口卷积块CU前言单格乘加运算单元PE代码模块结构时序逻辑分析对其上层模块CU的要求 单窗口卷积块CU代码逻辑分析 前言
第一和第二篇日志已经详细阐述了"半精度浮点数"的加…
CNN(九)：Inception v3算法实战
🍨 本文为🔗365天深度学习训练营 中的学习记录博客 🍖 原作者：K同学啊|接辅导、项目定制 1 理论基础 Inception v3论文 Inception v3由谷歌研究员Christian Szegedy等人在2015年的论文《Rethinking the Inception Architecture f…
![计算机视觉与深度学习-卷积神经网络-纹理表示卷积神经网络-纹理表示-[北邮鲁鹏]](https://img-blog.csdnimg.cn/759031e1316e495e99808c0728f83ee3.png)
计算机视觉与深度学习-卷积神经网络-纹理表示卷积神经网络-纹理表示-[北邮鲁鹏]
目录标题 参考文章纹理定义纹理的分类规则纹理随机纹理 纹理的表示方法基于卷积核组思路什么卷积核组卷积核类型（边缘、条形、点状）卷积核尺度（3~6个尺度）卷积核的方向卷积核组的设计 表示步骤步骤一：设计卷积核组。步…
卷积神经网络（CNN）鲜花的识别
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3. 检查数据 二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集 三、构建CNN网络四、编译五、训练模型六、模型评估 前期工作
1. 设置GP…
Tensorflow2.0：CNN、ResNet实现MNIST分类识别
以下仅是个人的学习笔记 ，内容可能是错误
CNN：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers# 导入数据
(x_train, y_train), (x_test, y_test) keras.datasets.mnist.load_data()# 数据预处理
x_tra…
【CNN-FPGA开源项目解析】卷积层02--floatAdd16模块
文章目录 前言浮点数加法的思路floatAdd16完整代码floatMult16代码逐步解析指数化为一致底数相加，处理进位溢出结果标准化和舍位整合为最后的16位浮点数结果[sign,exponent,fraction] 其他变量宽度表特殊情况处理always敏感列表 前言
上一篇文章(floatMult16模块…
PyTorch实战：常用卷积神经网络搭建结构速览
目录
前言
常用卷积神经网络
1.AlexNet
2.VGGNet
3.GoogLeNet
4.ResNet
总览 前言
PyTorch可以说是三大主流框架中最适合初学者学习的了，相较于其他主流框架，PyTorch的简单易用性使其成为初学者们的首选。这样我想要强调的一点是，框架…
【深度学习实验】卷积神经网络（六）：卷积神经网络模型（VGG）训练、评价
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. 构建数据集（CIFAR10Dataset）
a. read_csv_labels（）
b. CIFAR10Dataset
2. 构建模型（FeedForward&…
卷积神经网络学习（一）
CNN应用对象是图像，CNN可被应用于的任务： 1、分类（classification）：对图像按其中的物体进行分类，如图像中有人与猫，则图像可分为两类。 2、目标检测（object detection）&a…
卷积神经网络的发展历史-VGG
VGG的产生
2014 年，Simonyan和Zisserman提出了VGG系列模型（包括VGG-11/VGG-13/VGG-16/VGG-19），并在当年的ImageNet Challenge上作为分类任务第二名、定位（Localization）任务第一名的基础网络出现。
VGG的…
Astronomaly：利用 CNN 和主动学习识别 400 万张星系图像中的异常
星系中的异常现象是我们了解宇宙的关键。然而，随着天文观测技术的发展，天文数据正以指数级别增长，超出了天文工作者的分析能力。 尽管志愿者可以在线上参与对天文数据的处理，但他们只能进行一些简单的分类，还可能会遗漏…
【AI】深度学习——前馈神经网络——卷积神经网络
文章目录 1.2 卷积神经网络1.2.1 卷积一维卷积近似微分低通滤波器/高通滤波器卷积变种 二维卷积卷积的核心就是翻转相乘卷积应用于图像处理 互相关互相关代替卷积 卷积与互相关的交换性 1.2.2 卷积神经网络卷积代替全连接卷积层特征映射卷积层结构参数数量 汇聚层(池化层)汇聚层…
从基础到卷积神经网络（第12天）
1. PyTorch 神经网络基础
1.1 模型构造
1. 块和层
首先，回顾一下多层感知机
import torch
from torch import nn
from torch.nn import functional as Fnet nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))X torch.rand(2, 20) # 生成随机…
CNN-generated images are surprisingly easy to spot... for now
CNN-generated images are surprisingly easy to spot… for now----《目前CNN生成的图像非常容易被发现》 背景： 研究者们发现，仅仅对一种由CNN模型生成的图像进行训练的分类器，也可以检测许多其他模型生成的结果。由此提出这样的观点&#…
深度学习-卷积神经网络
文章目录 应用卷积神经网络卷积处理分类问题 应用
图片分类图片检索图片分割图片风格迁移姿态估计OCR等
卷积神经网络
核概念计算机视觉中处理图片的核大小是通过经验得来的，而深度学习中的权重大小是自己学习出的。卷积VS神经网络：一个是局部观察一个…
从基础到卷积神经网络（第14天）
1. PyTorch 神经网络基础
1.1 模型构造
1. 块和层
首先，回顾一下多层感知机
import torch
from torch import nn
from torch.nn import functional as Fnet nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))X torch.rand(2, 20) # 生成随机…
【Note】CNN与现代卷积神经网络part3（附PyTorch代码）
文章目录 2 现代卷积神经网络2.1 批量规范化2.1.1 训练深层网络2.1.2 批量规范化层2.1.2.1 全连接层2.1.2.2 卷积层2.1.2.3 预测过程中的批量规范化 2.1.3 从零实现2.1.4 使用批量规范化层的 LeNet2.1.5 简明实现2.1.6 controversies（争议）2.1.7 Summary…
【Note】CNN与现代卷积神经网络part4（附PyTorch代码）
文章目录 2.2 残差网络（ResNet）2.2.1 函数类2.2.2 残差块2.2.3 ResNet模型2.2.4 训练模型2.2.5 Summary 本《CNN与现代卷积神经网络》Note系列会共分为4个part，本文为part4。本Markdown共4k字。 2.2 残差网络（ResNet） …
基于CNN实现谣言检测 - python 深度学习 机器学习 计算机竞赛
文章目录 1 前言1.1 背景 2 数据集3 实现过程4 CNN网络实现5 模型训练部分6 模型评估7 预测结果8 最后 1 前言
🔥 优质竞赛项目系列，今天要分享的是
基于CNN实现谣言检测
该项目较为新颖，适合作为竞赛课题方向，学长非常推荐&am…
![论文阅读[51]通过深度学习快速识别荧光组分](https://img-blog.csdnimg.cn/bc6b8c50c3504a2aa6e132623e5f4687.png)
论文阅读[51]通过深度学习快速识别荧光组分
【论文基本信息】 标题：Fast identification of fluorescent components in three-dimensional excitation-emission matrix fluorescence spectra via deep learning 标题译名：通过深度学习快速识别 三维激发-发射矩阵荧光光谱中的荧光组分 期刊与年份&…
深度学习 | Pytorch深度学习实践 （Chapter 10、11 CNN）
十、CNN 卷积神经网络 基础篇 首先引入 ——
二维卷积：卷积层保留原空间信息关键：判断输入输出的维度大小特征提取：卷积层、下采样分类器：全连接 引例：RGB图像（栅格图像） 首先，老师…
PROSTATEx-2 上前列腺癌的 3D CNN 分类
内容 本文介绍了在多参数 MRI 序列上使用 3D CNN 对前列腺癌进行显着性或不显着性分类。内容如下： 数据集描述Dicom 到 Nifti 文件格式的转换不同 MRI 序列的联合配准
机器学习---CNN（创建和训练一个卷积神经网络并评估其性能）下
import numpy as np
import matplotlib.pyplot as plt
from cnn_operations import cnn_operations as cnn_opr convolutional_neural_network模块：
1. 卷积神经网络类 def __init__(self):# 网络的层数self.n_layers 0# list，网络中的各层self.layers…
【人工智能】—_深度神经网络、卷积神经网络（CNN）、多卷积核、全连接、池化
深度神经网络、卷积神经网络（CNN）、多卷积核、全连接、池化) 文章目录 深度神经网络、卷积神经网络（CNN）、多卷积核、全连接、池化)深度神经网络训练训练深度神经网络参数共享 卷积神经网络（CNN）卷积多卷积…
（论文阅读13/100）R-CNN minus R
文献阅读笔记 简介 题目 R-CNN minus R 作者 Karel Lenc Andrea Vedaldi 原文链接 https://arxiv.org/pdf/1506.06981.pdf 关键词 Null 研究问题 proposal generation在基于CNN的探测器中的作用，以确定它是否是一个必要的建模组件。 R-CNN留下的几个有趣…
每天五分钟计算机视觉：卷积层比全连接层的优势是什么?
本文重点
卷积神经网络中为什么要使用卷积，它和全连接层相比，卷积层的两个主要优势在于参数共享和稀疏连接。
参数比较
对于一张32*32*3图片：
如果用了 6 个大小为 55 的过滤器，输出维度为 28286，如果使用卷积层我们的参数就是5*5*3*6+6=456
如果使用全连接32323=307…
关于卷积神经网络的步幅（stride）
认识步幅（stride） 卷积核从输入数组的最左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动，我们将每次滑动的行数和列数称为步幅。 计算步幅 假设输入的形状n∗n，卷积核的形状为f∗f࿰…
时间序列预测模型实战案例(十)(个人创新模型)通过堆叠CNN、GRU、LSTM实现多元预测和单元预测
本文介绍
本篇博客为大家讲解的是通过组堆叠CNN、GRU、LSTM个数，建立多元预测和单元预测的时间序列预测模型，其效果要比单用GRU、LSTM效果好的多，其结合了CNN的特征提取功能、GRU和LSTM用于处理数据中的时间依赖关系的功能。通过将它们组合在…
详解卷积神经网络结构
前言
卷积神经网络是以卷积层为主的深度网路结构，网络结构包括有卷积层、激活层、BN层、池化层、FC层、损失层等。卷积操作是对图像和滤波矩阵做内积（元素相乘再求和）的操作。 1. 卷积层
常见的卷积操作如下：
卷积操作解释图解…
Libra R-CNN: Towards Balanced Learning for Object Detection（2019.4）
文章目录 AbstractIntroduction引入问题1） Sample level imbalance2) Feature level imbalance3) Objective level imbalance进行解决贡献 Related Work（他人的work，捎带与我们的对比）Model architectures for object detection&a…
人工智能-深度卷积神经网络（AlexNet）
深度卷积神经网络（AlexNet）
在LeNet提出后，卷积神经网络在计算机视觉和机器学习领域中很有名气。但卷积神经网络并没有主导这些领域。这是因为虽然LeNet在小数据集上取得了很好的效果，但是在更大、更真实的数据集上训练卷积神经网…
AI：79-基于卷积神经网络的自动驾驶车辆道路边界检测
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新中，…
![[pytorch]设备选择以及卷积神经网络的应用](https://img-blog.csdnimg.cn/3887d0791cc64b44acf33e72597c4a0b.png)
[pytorch]设备选择以及卷积神经网络的应用
0.写在前面:
首先这篇文章还没写完,因为今天要尝试对我之前的一个框架做一个简单的更新迭代,所以目前先更新这么多. 1.关于设备的选择
首先,目前的大多数电脑都是自带一些GPU(图形计算单元,在这里被称之为cuda), 需要安装相关的驱动才能正常使用这些设备和调用他们的具体情况…
基于卷积神经网络和客源注意力机制的OD客流预测模型
文章信息 论文题目为《An origin–destination passenger flow prediction system based on convolutional neural network and passenger source-based attention mechanism》，该文于2023年发表于Expert Systems With Applications期刊上。文章提出一种基于乘客源注…
CNN卷积神经网络Python实现
import torch
from torch import nn# ①定义互相关运算
def corr2d(X, K):"""计算二维互相关运算。"""# 获取K的形状 行为h,列为wh, w K.shape# 生成全0的矩阵，行为X的行减去h加上1，列为X的列减去w加上1Y torch.zeros((…
第95步 深度学习图像目标检测：Faster R-CNN建模
基于WIN10的64位系统演示
一、写在前面
本期开始，我们学习深度学习图像目标检测系列。
深度学习图像目标检测是计算机视觉领域的一个重要子领域，它的核心目标是利用深度学习模型来识别并定位图像中的特定目标。这些目标可以是物体、人、动物或其他可识…
【CNN-FPGA开源项目解析】卷积层03--单格乘加运算单元PE 单窗口卷积块CU 模块
03–单格乘加运算单元PE & 单窗口卷积块CU 文章目录 03--单格乘加运算单元PE & 单窗口卷积块CU前言单格乘加运算单元PE代码模块结构时序逻辑分析对其上层模块CU的要求 单窗口卷积块CU代码逻辑分析 前言
第一和第二篇日志已经详细阐述了"半精度浮点数"的加…
卷积神经网络（Inception-ResNet-v2）交通标志识别
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据 二、构建一个tf.data.Dataset1.加载数据2. 配置数据集 三、构建Inception-ResNet-v2网络1.自己搭建2.官方模型 五、设置动态学习率六、训练模型七、模型评…
深度学习第3天：CNN卷积神经网络
☁️主页 Nowl
🔥专栏《机器学习实战》 《机器学习》
📑君子坐而论道，少年起而行之 文章目录
介绍
CNN的主要结构
卷积层
激励层
池化层
Kears搭建CNN
搭建代码
直观感受卷积的作用
结语 介绍 卷积神经网络（Convol…
【代码】基于卷积神经网络（CNN）-支持向量机（SVM）的分类预测算法
程序名称：基于卷积神经网络（CNN）-支持向量机（SVM）的分类预测算法
实现平台：matlab
代码简介：CNN-SVM是一种常用的图像分类方法，结合了卷积神经网络（CNN）和支…
（三）Pytorch快速搭建卷积神经网络模型实现手写数字识别(代码+详细注解)
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言Q1：卷积网络和传统网络的区别Q2:卷积神经网络的架构Q3:卷积神经网络中的参数共享，也是比传统网络的优势所在4、 具体的实现代码网络搭建…
知识蒸馏—原理+代码实战(Distillation CNN 和 Progressive Distillation Diffusion)
文章目录 1. Distillation 基本概念2. Distillation MNIST CNN分类代码实战3. Progressive Distillation Diffusion生成代码实战3.1 Progressive Distillation原理3.2 v-parameterization3.2 渐进蒸馏 cifar 代码实战 1. Distillation 基本概念
知识蒸馏被广泛的用于模型压缩和…
基于Django+Tensorflow卷积神经网络鸟类识别系统
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介系统概述系统功能核心技术系统架构系统优势 二、功能三、系统四. 总结 总结 一项目简介 介绍一个基于DjangoTensorflow卷积神经网络鸟类识别系统是一个非…
PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)
0. Revision: Fully connected Neural Network 全连接 1. Convolution Neural Network
保留空间信息 1.1 Convolution Convolution-Single Input Channel 单通道
数乘 3 input Channels 3通道 N input Channels N input Channels and M output channel
M 个卷积核 1.2 conv…
人工智能(pytorch)搭建模型21-基于pytorch搭建卷积神经网络VoVNetV2模型，并利用简单数据进行快速训练
大家好，我是微学AI，今天给大家介绍一下人工智能(pytorch)搭建模型21-基于pytorch搭建卷积神经网络VoVNetV2模型，并利用简单数据进行快速训练。VoVNetV2模型是计算机视觉领域的一个重要研究成果，它采用了Voice of Visual Residual&…
CNN对 MNIST 数据库中的图像进行分类
加载 MNIST 数据库
MNIST 是机器学习领域最著名的数据集之一。
它有 70,000 张手写数字图像 - 下载非常简单 - 图像尺寸为 28x28 - 灰度图
from keras.datasets import mnist# 使用 Keras 导入MNIST 数据库
(X_train, y_train), (X_test, y_test) mnist.load_data()print(&…
基于融合正余弦和柯西变异的麻雀优化算法（SCSSA）-CNN-BiLSTM（双向长短期记忆网络）的时间序列预测模型
融合正余弦和柯西变异的麻雀优化算法（SCSSA）原理如下：
①采用折射反向学习策略初始化麻雀算法个体，基本思想是通过计算当前解的反向解来扩大搜索范围，借此找出给定问题更好的备选解；②采用正余弦策略替换原…
深度学习 -- 卷积神经网络
1、卷积神经网络的结构
大卫休伯尔( David Hunter Hubel ) 等人研究发现，猫的视皮层上 存在简单细胞( simple cell )和复杂细胞( complex cell )，简单细胞会对 感受野中特定朝向的线段做出反应，而复杂细胞对于特定朝向的钱段移动也能做出反应…
【开题报告】基于卷积神经网络的图像脑部MRI图像分割
论文题目 基于卷积神经网络的图像脑部MRI图像分割 一、选题意义 1.课题研究的目的和意义 1.1选题目的 脑部疾病是高致残致死率的疾病之一，对人们的生活质量和生命安全都有着十分重大的影响，所以各个国家都开始对脑部疾病的研究重视起来。帕金森、脑胶质…
从零开始实现神经网络(二)_CNN卷积神经网络
参考文章: 介绍卷积神经网络1 介绍卷积神经网络2 在过去的几年里，关于卷积神经网络（CNN）的讨论很多，特别是因为它们彻底改变了计算机视觉领域。在这篇文章中，我们将建立在神经网络的基本背景知识的基础上，探…
24、到底什么是感受野？
在之前的文章中介绍卷积算法时，一直在强调一个地方，那就是卷积算法是——卷积核在输入图像上滑动扫描的过程。
在每一次扫描时，可以把卷积核的在长宽方向的大小看做一个窗口，透过窗口可以看到的输入图像的范围，就称为感受野。
也就是神经网络（卷积）在每一次扫描过程中…
每天五分钟计算机视觉：经典的卷积神经网络之VGG-16模型
VGG-16
Vgg16是牛津大学VGG组提出来的，相比于AlexNet来说，AlexNet的一个改进是采用连续的几个4*3的卷积核来代替AlexNet中的较大的卷积核(11*11,5*5)。前面我们也说过了使用小卷积核是优于大的卷积核的，因为多层非线性层可以增加网络深度来保证学习到更加复杂的模式，而且代…
经典卷积神经网络 - NIN
网络中的网络，NIN。
AlexNet和VGG都是先由卷积层构成的模块充分抽取空间特征，再由全连接层构成的模块来输出分类结果。但是其中的全连接层的参数量过于巨大，因此NiN提出用1*1卷积代替全连接层，串联多个由卷积层和“全连接”层构成…
卷积神经网络（CNN）的组成结构以及其优点
卷积神经网络（Convolutional Neural Network，简称CNN）是一种深度学习模型，主要用于处理具有网格结构的数据，如图像和视频。它的结构包含以下几个关键组件： 卷积层（Convolutional Layerÿ…
Fast RCNN 目标检测网络学习记录 （附代码）
论文地址：https://arxiv.org/abs/1504.08083
代码地址：https://github.com/rbgirshick/fast-rcnn
1.是什么？
Fast RCNN是目标检测领域的一个算法框架，是RCNN的改进版。Fast RCNN的主要目的是解决RCNN算法中的瓶颈问题ÿ…
CNN 网络结构简介
本文通过整理李宏毅老师的机器学习教程的内容，介绍 CNN（卷积神经网络）的网络结构。
CNN 网络结构, 李宏毅
CNN 主要应用在图像识别（image classification, 图像分类）领域。
通常，输入的图片大小相同&am…
经典卷积神经网络 - ResNet
ResNet是一种残差网络，咱们可以把它理解为一个子网络，这个子网络经过堆叠可以构成一个很深的网络。 我们一直在加深神经网络，但是加深不一定只会带来好处。
残差块
串联一个层改变函数类，我们希望能扩大函数类残差块加入快速通…
ResNet（CVPR2016）
文章目录 AbstractIntroductionRelated WorkResidual RepresentationsShortcut Connections Deep Residual LearningResidual LearningIdentity Mapping by Shortcuts ExperimentConclusion 原文链接 Abstract
深层的神经网络更难训练，我们提出了一个残差学习框架&…
【图像分类】卷积神经网络之ResNet网络模型实现钢轨缺陷识别（附代码和数据集，PyTorch框架）
写在前面： 首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。
本篇博文，我们将使用PyTorch深度学习框架搭建ResNet实现钢轨缺陷识别，附完整的项目代码和数据集，可以说是全网…
一文理解什么是交叉熵损失函数以及它的作用
今天看一个在深度学习中很枯燥但很重要的概念——交叉熵损失函数。
作为一种损失函数，它的重要作用便是可以将“预测值”和“真实值(标签)”进行对比，从而输出 loss 值，直到 loss 值收敛，可以认为神经网络模型训练完成。
那么这…
CNN、LeNet、AlexNet基于MNIST数据集进行训练和测试，并可视化对比结果
完成内容：
构建CNN并基于MNIST数据集进行训练和测试构建LeNet并基于MNIST数据集进行训练和测试构建AlexNet并基于MNIST数据集进行训练和测试对比了不同网络在MNIST数据集上训练的效果
准备工作
import torch
import torch.nn as nn
import torch.optim as optim
…
配置cuda和cudnn出现 libcudnn.so.8 is not a symbolic link问题
cuda版本为11.2 问题如图所示： 解决办法：
sudo ln -sf /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.1.1 /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
sudo ln -sf /usr/local/cuda-11.2/targ…
AI：84-基于卷积神经网络的文化遗产保护与修复
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新中，…
保姆级教程之SABO-VMD-CNN-SVM的分类诊断，特征可视化
今天出一期基于SABO-VMD-CNN-SVM的分类诊断。 依旧是采用经典的西储大学轴承数据。基本流程如下： 首先是以最小包络熵为适应度函数，采用SABO优化VMD的两个参数。其次对每种状态的数据进行特征向量的求取，并为每组数据打上标签。然后将数据送入…
卷积神经网络中用1*1 卷积有什么作用或者好处呢？
一、来源：[1312.4400] Network In Network （如果11卷积核接在普通的卷积层后面，配合激活函数，即可实现network in network的结构）
二、应用：GoogleNet中的Inception、ResNet中的残差模块
三、作用&#x…
27、卷积 - 卷积特征的可视化和一个神奇的网站
既然上一节说了卷积的本质是一个特征提取器，那么既然卷积神经网络在图像分类、图像检测、图像分割以及其他领域有这么好的表现，卷积算法到底提取了什么特征呢？
虽然有时候我们说神经网络是个黑盒，但是研究人员也一直在探索，如何将卷积学习到的特征给分析出来。
就是想要…
基于OpenCV+CNN+IOT+微信小程序智能果实采摘指导系统——深度学习算法应用(含pytho、JS工程源码)+数据集+模型（一）
目录 前言总体设计系统整体结构图系统流程图 运行环境Python环境TensorFlow 环境Jupyter Notebook环境Pycharm 环境 相关其它博客工程源代码下载其它资料下载 前言
本项目基于Keras框架，引入CNN进行模型训练，采用Dropout梯度下降算法，按比例…
卷积神经网络18种有效创新方法汇总，涵盖注意力机制、空间开发等7大方向
作为深度学习中非常重要的研究方向之一，卷积神经网络（CNN）的创新不仅表现在提升模型的性能上，还更进一步拓展了深度学习的应用范围。
具体来讲，CNN的创新架构和参数优化可以显著提高模型在各种任务上的性能。例如&…
【PyTorch 卷积】实战自定义的图片归类
前言 卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一，它通过卷积层、池化层、全连接层等结构，可以有效地处理如时间序列和图片数据等。关于卷积的概念网络上也比较多，这里就不一一描述了。…
【MATLAB第95期】#源码分享 | 基于MATLAB的卷积神经网络CNN图像分类源代码分享（含两个案例）
【MATLAB第95期】#源码分享 | 基于MATLAB的卷积神经网络CNN图像分类源代码分享（含两个案例）
一、案例一
1、背景介绍
目的：训练和测试卷积神经网络，以检测钻头三种类型。 深度学习（DL）是机器学习的一个子…
深度学习之基于Tensorflow卷积神经网络花卉识别系统
欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 深度学习是一种机器学习方法，它通过模拟人脑神经网络的结构和功能来实现对数据的自动分析和学习。卷积神…
CIFAR-10数据集详析：使用卷积神经网络训练图像分类模型
1.数据集介绍
CIFAR-10 数据集由 10 个类的 60000 张 32x32 彩色图像组成，每类 6000 张图像。有 50000 张训练图像和 10000 张测试图像。 数据集分为5个训练批次和1个测试批次，每个批次有10000张图像。测试批次正好包含从每个类中随机选择的 1000 张图像…
【CCF BDCI 2023】多模态多方对话场景下的发言人识别 Baseline 0.71 CNN 部分
【CCF BDCI 2023】多模态多方对话场景下的发言人识别 Baseline 0.71 CNN 部分 概述CNN 简介数据预处理查看数据格式加载数据集 图像处理限定图像范围图像转换加载数据 CNN 模型Inception 网络ResNet 残差网络总结参数设置 训练 Train模型初始化数据加载训练超参数训练循环 验证…
【基于卷积神经网络的疲劳检测与预警系统的设计与实现】
基于卷积神经网络的疲劳检测与预警系统的设计与实现 引言数据集介绍技术与工具1. OpenCV2. TensorFlow3. 卷积神经网络（CNN） 系统功能模块1. 视频采集模块2. 图像预处理模块3. 人脸识别模块4. 疲劳程度判别模块5. 报警模块 系统设计创新点1. 实时监测与预…
【机器学习】卷积神经网络(CNN)的特征数计算
文章目录 基本步骤示例图解过程 基本步骤
在卷积神经网络（CNN）中，计算最后的特征数通常涉及到以下步骤： 确定输入尺寸： 首先，你需要知道输入数据的尺寸。对于图像数据，这通常是 (batch_size, c…
Python轴承故障诊断 (八)基于EMD-CNN-GRU并行模型的故障分类
目录
前言
1 经验模态分解EMD的Python示例
2 轴承故障数据的预处理
2.1 导入数据
2.2 制作数据集和对应标签
2.3 故障数据的EMD分解可视化
2.4 故障数据的EMD分解预处理
3 基于EMD-CNN-GRU并行模型的轴承故障诊断分类
3.1 训练数据、测试数据分组，数据分ba…
人工智能超分辨率重建：揭秘图像的高清奇迹
导言 人工智能超分辨率重建技术，作为图像处理领域的一项重要创新，旨在通过智能算法提升图像的分辨率，带来更为清晰和细致的视觉体验。本文将深入研究人工智能在超分辨率重建方面的原理、应用以及技术挑战。
1. 超分辨率重建的基本原理 …
2023年算法GWCA -CNN-BiLSTM-ATTENTION回归预测（matlab）
2023年算法GWCA -CNN-BiLSTM-ATTENTION回归预测（matlab）
GWCA -CNN-BiLSTM-Attention长城建造算法优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言。
长城建造算法（Great Wall Construction Algorithm，GWC…
TextCNN的复现
TextCNN的复现–pytorch的实现
对于TextCNN的讲解，可以参考这篇文章
Convolutional Neural Networks for Sentence Classification - 知乎 (zhihu.com)
接下来主要是对代码内容的详解，完整代码将在文章末尾给出。
使用的数据集为电影评论数据集&…
Interactive Analysis of CNN Robustness
Interactive Analysis of CNN Robustness----《CNN鲁棒性的交互分析》
摘要 虽然卷积神经网络（CNN）作为图像相关任务的最先进模型被广泛采用，但它们的预测往往对小的输入扰动高度敏感，而人类视觉对此具有鲁棒性。本文介绍了 Pert…
FPGA 实现 LeNet-5 卷积神经网络 数字识别，提供工程源码和技术支持
目录 1、前言LeNet-5简洁基于Zynq7020 的设计说明PL 端 FPGA 逻辑设计PS 端 SDK 软件设计免责声明 2、相关方案推荐卷积神经网络解决方案FPGA图像处理方案 3、详细设计方案PL端：ov7725摄像头及图像采集PL端：图像预处理PL端：Xilinx推荐的图像缓…
![25、新加坡南洋理工、新加坡国立大学提出FBCNet：完美融合FBCSP的CNN，EEG解码SOTA水准！[抱歉老师，我太想进步了！]](https://img-blog.csdnimg.cn/direct/15c0cd85c9ee485cb999713826f29465.jpeg)
25、新加坡南洋理工、新加坡国立大学提出FBCNet：完美融合FBCSP的CNN，EEG解码SOTA水准！[抱歉老师，我太想进步了！]
前言：
阴阳差错，因工作需要，需要查阅有关如何将FBCSP融入CNN中的文献，查阅全网，发现只此一篇文章，心中大喜，心想作者哪家单位，读之，原来是自己大导（新加坡工…
论文解读：Informer-AAAI2021年最佳论文
论文背景
应用背景
训练的是历史数据，但预测的是未来的数据，但是历史数据和未来数据的分布不一定是一样的，所以时间序列应用于股票预测往往不太稳定
动作预测： 基于之前的视频中每一帧动作，预测下一帧这个人要做什么…
全方位掌握卷积神经网络：理解原理 优化实践应用
计算机视觉CV的发展 检测任务 分类与检索 超分辨率重构 医学任务 无人驾驶 整体网络架构
卷积层和激活函数（ReLU）的组合是网络的核心组成部分
激活函数(ReLU）
引入非线性，增强网络的表达能力。
卷积层
负责特征提取
池化层…
深度学习(7)--卷积神经网络项目详解
一.项目介绍：
用Keras工具包搭建训练自己的一个卷积神经网络(Simple_VGGNet，简单版VGGNet)，用来识别猫/狗/羊三种图片。
数据集： 二.卷积神经网络构造 查看API文档
Convolution layers (keras.io)https://keras.io/api/layers/…
卷积神经网络基础与补充
参考自
up主的b站链接：霹雳吧啦Wz的个人空间-霹雳吧啦Wz个人主页-哔哩哔哩视频这位大佬的博客 https://blog.csdn.net/m0_37867091?typeblog CNN的历史发展： 这一点老师上课的时候也有讲到，BP的出现对CNN的发展至关重要 卷积的特性&#x…
根据DCT特征训练CNN
记录一次改代码的挣扎经历： 看了几篇关于DCT频域的深度模型文献，尤其是21年FcaNet：基于DCT 的attention model，咱就是说想试试将我模型的输入改为分组的DCT系数，然后就开始下面的波折了。
第一次尝试…
基于CNN神经网络的手写字符识别实验报告
作业要求 具体实验内容根据实际情况自拟，可以是传统的BP神经网络，Hopfield神经网络，也可以是深度学习相关内容。 数据集自选，可以是自建数据集，或MNIST，CIFAR10等公开数据集。 实验报告内容包括但不限于&am…
工智能基础知识总结--什么是CNN
什么是CNN 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。CNN最常用于CV领域，但是在NLP等其他领域也有应用，如用于文本分类的TextCNN。 …
OpenCV中使用Mask R-CNN实现图像分割的原理与技术实现方案
本文详细介绍了在OpenCV中利用Mask R-CNN实现图像分割的原理和技术实现方案。Mask R-CNN是一种先进的深度学习模型，通过结合区域提议网络（Region Proposal Network）和全卷积网络（Fully Convolutional Network）…
pytorch05:卷积、池化、激活
目录 一、卷积1.1 卷积的概念1.2 卷积可视化1.3 卷积的维度1.4 nn.Conv2d1.4.1 无padding 无stride卷积1.4.2 无padding stride2卷积1.4.3 padding2的卷积1.4.4 空洞卷积1.4.5 分组卷积 1.5 卷积输出尺寸计算1.6 卷积的维度1.7 转置卷积1.7.1 为什么被称为转置卷积1.7.2 nn.Con…
【机器学习】卷积神经网络（二）-典型网络（LeNet-5,AlexNet,VGG,GoogLeNet）
三、典型网络 3.1 LeNet-5网络 LeNet-5 曾被大规模用于自动识别美国银行支票上的手写数字。该网络是卷积神经网络 (CNN)。CNN 是现代最先进的基于深度学习的计算机视觉的基础。这些网络建立在 3 个主要思想之上：局部感受野、共享权重和空间子采样。具有共享权重的局…
AI：112-基于卷积神经网络的美食图片识别与菜谱推荐
🚀点击这里跳转到本专栏，可查阅专栏顶置最新的指南宝典~
🎉🎊🎉 你的技术旅程将在这里启航！ 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的关键代码，详细讲解供…
Python轴承故障诊断 (九)基于VMD+CNN-BiLSTM的故障分类
往期精彩内容：
Python-凯斯西储大学（CWRU）轴承数据解读与分类处理
Python轴承故障诊断 (一)短时傅里叶变换STFT
Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换 故障-CSDN博客
Python轴承故障诊断 (三)经验模态分解EMD_轴承诊断 …
PyTorch|构建自己的卷积神经网络——nn.Sequential()
之前在构建神经网络时，我们一般是采用这种方式，就像这样：
class Network1(nn.Module): def __init__(self): super(Network1,self).__init__() self.conv1 nn.Conv2d(in_channels3, out_channels6, kernel_size5) …
PyTorch|构建自己的卷积神经网络--池化操作
在卷积神经网络中，一般在卷积层后，我们往往进行池化操作。实现池化操作很简单，pytorch中早已有相应的实现。
nn.MaxPool2d(kernel_size ,stride )
这种池化叫做最大池化。
最大池化原理很简单，就是一个filter以一定的stride在原…
(Matlab)基于CNN-Bi_LSTM的多维时序回归预测(卷积神经网络-双向长短期记忆网络)
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势：
二、实际运行效果：
三、部分代码展示：
四、完整代码数据下载： 一、程序及算法内容介绍：
基本内容： 本代码基于Matlab平…
动手学深度学习-卷积神经网络
卷积神经网络
在前面的章节中，我们遇到过图像数据。这种数据的每个样本都由一个二维像素网格组成，每个像素可能是一个或者多个数值，取决于是黑白还是彩色图像。到目前为止，我们处理这类结构丰富的数据方式还不够有效。我们仅仅通…
机器学习 | 卷积神经网络
机器学习 | 卷积神经网络
实验目的
采用任意一种课程中介绍过的或者其它卷积神经网络模型（例如LeNet-5、AlexNet等）用于解决某种媒体类型的模式识别问题。
实验内容
卷积神经网络可以基于现有框架如TensorFlow、Pytorch或者Mindspore等构建ÿ…
【论文笔记合集】卷积神经网络之深度可分离卷积（Depthwise Separable Convolution）
本文作者： slience_me 我看的论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
内容
1. 标准卷积
假设输入为DFDFM，输出为输入为DFDFN，卷积核为DKDKM，共有N个卷积核进…
看完这篇我就不信还有人不懂卷积神经网络！
看完这篇我就不信还有人不懂卷积神经网络！
前言
在深度学习大🔥的当下，我知道介绍卷积神经网络的文章已经在全网泛滥，但我还是想要写出一点和别人不一样的东西，尽管要讲的知识翻来覆去还是那么一些，但我想…
48、兰州大学、青海师范：专门用于深度CNNs的天阶斗技-ELA Local Attention
本文由兰州大学信息科学与工程学院、青海省物联网重点实验室、青海师范大学于2024年3.2日发表于ArXiv。为了解决现有的注意力模型在有效利用空间信息方面存在的限制和困难，提出了一种高效的局部注意力ELA模型。该方法通过分析坐标注意力的局限性，作者识别…
pytorch（九）卷积神经网络
文章目录 卷积神经网络全连接神经网络与卷积神经网络的区别概念性知识mnist数据集(卷积神经网络) GoogLeNetInception 残差网络ResNet残差块结构 卷积神经网络
全连接神经网络与卷积神经网络的区别
全连接神经网络是一种最为基础的前馈神经网络，他的每一个神经元都…
【故障分类】基于注意力机制的卷积神经网络结合双向长短记忆神经网络CNN-BiLSTM-attention实现数据分类附matlab代码
摘要：
ntion机制加权 4. 加权后的特征进行分类
需求分析
本文旨在实现一个通用的数据分类模型，可应用于不同领域的数据分类任务。
设计方案
设计一个CNN网络结构，提取输入数据的特征 将特征序列输入到BiLSTM网络，进行时序建模…
6 种 卷积神经网络压缩方法
文章目录 前言 1、低秩近似 2、剪枝与稀疏约束 3、参数量化 4、二值化网络 （1）二值网络的梯度下降 （2）两个问题 （3）二值连接算法改进 （4）二值网络设计注意事项 5、知识蒸馏 6、浅层 …
机器学习---CNN（创建和训练一个卷积神经网络并评估其性能）上
1. cnn_operations模块
cnn_operations类 staticmethoddef calc_loss(Y, tilde_Y):# 训练样本个数n_samples Y.shape[0]# 网络代价loss 0for i in range(n_samples):loss np.sum((Y[i, :] - tilde_Y[i, :])**2)loss / (2 * n_samples)return loss计算网络代价： …
对MODNet 主干网络 MobileNetV2的剪枝探索
目录
1 引言
1.1 MODNet 原理
1.2 MODNet 模型分析
2 MobileNetV2 剪枝
2.1 剪枝过程
2.2 剪枝结果
2.2.1 网络结构
2.2.2 推理时延
2.3 实验结论
3 模型嵌入
3.1 模型保存与加载
法一：保存整个模型
法二：仅保存模型的参数
小试牛刀
小结…
理解LSTM一种递归神经网络(RNN)
1 递归神经网络结构
一个简单的传统神经网络结构如下图所示： 给他一些输入x0,x1,x2 … xt, 经过神经元作用之后得到一些对应的输出h0,h1,h2 … ht。每次的训练，神经元和神经元之间不需要传递任何信息。
递归神经网络和传统神经网络不同的一个点在于&am…
即插即用篇 | UniRepLKNet：用于音频、视频、点云、时间序列和图像识别的通用感知大卷积神经网络 | DRepConv
大卷积神经网络（ConvNets）近来受到了广泛研究关注，但存在两个未解决且需要进一步研究的关键问题。1）现有大卷积神经网络的架构主要遵循传统ConvNets或变压器的设计原则，而针对大卷积神经网络的架构设计仍未得到解决。2）随着变压器在多个领域的主导地位，有待研究ConvNets…
【PyTorch】使用PyTorch创建卷积神经网络并在CIFAR-10数据集上进行分类
前言
在深度学习的世界中，图像分类任务是一个经典的问题，它涉及到识别给定图像中的对象类别。CIFAR-10数据集是一个常用的基准数据集，包含了10个类别的60000张32x32彩色图像。在本博客中，我们将探讨如何使用PyTorch框架创建一个简…
CNN应用Keras Tuner寻找最佳Hidden Layers层数和神经元数量
介绍： Keras Tuner是一种用于优化Keras模型超参数的开源Python库。它允许您通过自动化搜索算法来寻找最佳的超参数组合，以提高模型的性能。Keras Tuner提供了一系列内置的超参数搜索算法，如随机搜索、网格搜索、贝叶斯优化等。它还支持自定义…
目标检测 | 卷积神经网络（CNN）详细介绍及其原理详解
前言：Hello大家好，我是小哥谈。卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，主要用于图像识别和计算机视觉任务。它的设计灵感来自于生物学中视觉皮层的工作原理。CNN的核心思想是通…
麻雀优化CNN超参数用于回归MATLAB
在CNN模型的构建中，涉及到特别多的超参数，比如：学习率、训练次数、batchsize、各个卷积层的卷积核大小与卷积核数量（feature map数），全连接层的节点数等。直接选择的话，很难选到一组满意的参数&…
CNN实现对手写字体的迭代
导入库
import torchvision
import torch
from torchvision.transforms import ToTensor
from torch import nn
import matplotlib.pyplot as plt
导入手写字体数据
train_dstorchvision.datasets.MNIST(data/,trainTrue,transformToTensor(),downloadTrue)
test_dstorchvis…
GoogleNetv1：Going deeper with convolutions更深的卷积神经网络
文章目录 GoogleNetv1全文翻译论文结构摘要1 引言2 相关工作3 动机和高层考虑稀疏矩阵 4 结构细节引入1x1卷积核可以减少通道数 5 GoogleNet6 训练方法7 ILSVRC 2014 分类挑战赛设置和结果8 ILSVRC 2014检测挑战赛设置和结果9 总结 论文研究背景、成果及意义论文图表 GoogleNet…
基于CNN和双向gru的心跳分类系统
CNN and Bidirectional GRU-Based Heartbeat Sound Classification Architecture for Elderly People是发布在2023 MDPI Mathematics上的论文，提出了基于卷积神经网络和双向门控循环单元(CNN BiGRU)注意力的心跳声分类，论文不仅显示了模型还构建了完整的…
基于多种CNN模型在清华新闻语料分类效果上的对比
该实验项目目录如图： 1、 模型
1.1. TextCNN
# coding: UTF-8
import torch
import torch.nn as nn
import torch.nn.functional as F
import numpy as npclass Config(object):"""配置参数"""def __init__(self, dataset, embedd…
12种算法优化CNN-BiLSTM-Attention多特征输入单步预测，机器学习预测全家桶，持续更新，MATLAB代码...
截止到本期，一共发了12篇关于机器学习预测全家桶MATLAB代码的文章。参考文章如下： 1.五花八门的机器学习预测？一篇搞定不行吗？ 2.机器学习预测全家桶，多步预测之BiGRU、BiLSTM、GRU、LSTM，LSSVM、TCN、CNN&…
基于CNN+LSTM深度学习网络的时间序列预测matlab仿真
目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
4.1 卷积神经网络（CNN）
4.2 长短时记忆网络（LSTM）
4.3 CNNLSTM网络结构
5.算法完整程序工程 1.算法运行效果图预览 2.算法运行软件版本
MA…
YOLOv9改进策略：注意力机制 | 双重注意力机制DoubleAttention
💡💡💡本文改进内容： DoubleAttention该网络结构采用双重注意力机制，包括Spatial Attention和Channel Attention。
yolov9-c-NAMAttention summary: 965 layers, 51000614 parameters, 51000582 gradients, 238.9 GFL…
JPEG图像格式加速神经网络训练--使用DCT训练CNN
JPEG图像格式加速神经网络训练 JPEG图像格式加速神经网络训练工作原理DCT系数与JPEG直接利用DCT系数阶段 1: 数据准备步骤 1: 读取JPEG文件结构步骤 2: 提取量化表和Huffman表步骤 3: 解析图像数据步骤 4: 反量化步骤 5: 获取DCT系数 阶段 2: 输入处理预处理 1: 正规化…
MATLAB环境下用于提取冲击信号的几种解卷积方法
卷积混合考虑了信号的时延，每一个单独源信号的时延信号都会和传递路径发生一 次线性瞬时混合；解卷积的过程就是找一个合适的滤波器，进行反卷积运算，得到源信号的近似解。
声音不可避免的会发生衍射、反射等现象，所以&…
Tied Block Convolution: 具有共享较薄滤波器的更简洁、更出色的CNN
摘要
https://arxiv.org/pdf/2009.12021.pdf 卷积是卷积神经网络（CNN）的主要构建块。我们观察到，随着通道数的增加，优化后的CNN通常具有高度相关的滤波器，这降低了特征表示的表达力。我们提出了Tied Block Convolutio…
矩阵在计算机图像处理中的应用
矩阵在计算机图像处理中是非常核心的概念，因为它们为表示和操作图像数据提供了一种非常方便和强大的方式。以下是矩阵在计算机图像处理中的一些关键作用： 图像表示：在计算机中，图像通常被表示为像素矩阵，也就是二维数组…
小游戏和GUI编程(7) | SimpleNN 界面源码解析
小游戏和GUI编程(7) | SimpleNN 界面源码解析
0. 简介
SimpleNN 是 AdamYuan 在高中一年级时用 1 天时间写出来的简易 CNN, 使用 SFML 做 UI, 用于交互式输入手写数字，这个数字被训练好的 CNN 网络执行推理得到识别结果, 它的运行效果如下： 这一篇我们…
AI：128-基于机器学习的建筑物能源消耗预测
🚀点击这里跳转到本专栏，可查阅专栏顶置最新的指南宝典~
🎉🎊🎉 你的技术旅程将在这里启航！ 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的关键代码，详细讲解供…
![[深度学习] 深入理解什么是卷积神经网络](https://img-blog.csdnimg.cn/direct/468fb6de5e9d4190868dbb2d6298fbf7.png)
[深度学习] 深入理解什么是卷积神经网络
🌈 博客个人主页：Chris在Coding 🎥 本文所属专栏：[深度学习] ❤️ 热门学习专栏：[Linux学习] ⏰ 我们仍在旅途 目录
1.卷积的定义
2.卷积的"卷"在哪里
3.什么又是卷积神…
[深度学习] 卷积神经网络“卷“在哪里?
🌈 博客个人主页：Chris在Coding 🎥 本文所属专栏：[深度学习] ❤️ 热门学习专栏：[Linux学习] ⏰ 我们仍在旅途 目录
1.卷积的定义
2.卷积的"卷"在哪里
3.什么又是卷积神…
基于PSO优化的CNN多输入回归预测（Matlab）粒子群算法优化卷积神经网络回归预测
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势：
二、实际运行效果： 三、部分代码： 四、完整程序下载： 一、程序及算法内容介绍：
基本内容： 本代码基于Matlab平台编译&am…
【Python】 剪辑法欠采样 CNN压缩近邻法欠采样
借鉴：关于K近邻（KNN），看这一篇就够了！算法原理，kd树，球树，KNN解决样本不平衡，剪辑法，压缩近邻法 - 知乎
但是不要看他里面的代码，因为作者把代码…
多输入时序预测|GWO-CNN-LSTM|灰狼算法优化的卷积-长短期神经网络时序预测(Matlab)
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势： 二、实际运行效果：
三、算法介绍：
灰狼优化算法：
卷积神经网络-长短期记忆网络：
四、完整程序下载： 一、程序及算法内容…
基于卷积神经网络的图像去噪
目录 背影 卷积神经网络CNN的原理 卷积神经网络CNN的定义 卷积神经网络CNN的神经元 卷积神经网络CNN的激活函数 卷积神经网络CNN的传递函数 基于卷积神经网络的图像去噪 完整代码：基于卷积神经网络的图像去噪.rar资源-CSDN文库 https://download.csdn.net/download/abc9918351…
多输入分类|GWO-CNN-LSTM|灰狼算法优化的卷积-长短期神经网络分类预测(Matlab)
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势：
二、实际运行效果：
三、算法介绍：
灰狼优化算法：
卷积神经网络-长短期记忆网络： 四、完整程序下载： 一、程序及算法内容…
AI：135-基于卷积神经网络的艺术品瑕疵检测与修复
🚀点击这里跳转到本专栏，可查阅专栏顶置最新的指南宝典~
🎉🎊🎉 你的技术旅程将在这里启航！ 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带关键代码，详细讲解供大家学习，希望…
互联网加竞赛 基于CNN实现谣言检测 - python 深度学习 机器学习
文章目录 1 前言1.1 背景 2 数据集3 实现过程4 CNN网络实现5 模型训练部分6 模型评估7 预测结果8 最后 1 前言
🔥 优质竞赛项目系列，今天要分享的是
基于CNN实现谣言检测
该项目较为新颖，适合作为竞赛课题方向，学长非常推荐&am…
【卷积神经网络中用1*1 卷积有什么作用或者好处呢？】
🚀 作者 ：“码上有前” 🚀 文章简介 ：深度学习 🚀 欢迎小伙伴们 点赞👍、收藏⭐、留言💬 1*1 卷积有什么作用或者好处呢 作用降维和增加非线性特征组合和交互网络的宽度和深度调整全连接替代增强…
深度学习-回顾CNN经典网络LetNet
深度学习-回顾CNN经典网络LetNet
深度学习中，从LetNet到当前最火的GPT所用的Transformer，经典网络引领一波又一波的技术革命，它们把AI技术不断推向高潮。
用pytorch构建CNN经典网络模型LetNet，还可用数据进行训练模型࿰…
深度学习-CNN网络改进版LetNet5
深度学习-CNN网络改进版LetNet5
深度学习中，经典网络引领一波又一波的技术革命，从LetNet到当前最火的GPT所用的Transformer，它们把AI技术不断推向高潮。
用pytorch构建CNN经典网络模型改进版LetNet5，还可以用数据进行训练模型&a…
python水表识别图像识别深度学习 CNN
python水表识别，图像识别深度学习 CNN，Opencv,Keras 重点：项目和文档是本人近期原创所作！程序可以将水表图片里面的数据进行深度学习，提取相关信息训练，lw1.3万字重复15%，可以直接上交那种&…
CNN中的伯努利分布与二项式分布
文章目录 一、伯努利分布是什么？1、伯努利分布的应用2、伯努利分布在CNN中的应用3、举个栗子4、伯努利分布可以用于多个类别的分类么5、伯努利分布与多项式分布的区别与联系 二、多项式分布是什么？1、多项式分布在CNN中的应用2、举个栗子 三、损失函数是…
PyTorch-卷积神经网络
卷积神经网络
基本结构
首先解释一下什么是卷积，这个卷积当然不是数学上的卷积，这里的卷积其实表示的是一个三维的权重，这么解释起来可能不太理解，我们先看看卷积网络的基本结构。 通过上面的图我们清楚地了解到卷积网络和一般网…
12种算法优化CNN-BiGRU-Attention单变量输入单步预测，机器学习预测全家桶，持续更新，MATLAB代码...
截止到本期MATLAB机器学习预测全家桶，一共发了15篇关于机器学习预测代码的文章。算上这一篇，一共16篇！参考文章如下： 1.五花八门的机器学习预测？一篇搞定不行吗？ 2.机器学习预测全家桶，多步预测…
贝叶斯优化CNN回归预测（matlab代码）
贝叶斯优化CNN回归预测matlab代码
贝叶斯优化方法则采用贝叶斯思想，通过不断探索各种参数组合的结果，根据已有信息计算期望值，并选择期望值最大的组合作为最佳策略，从而在尽可能少的实验次数下达到最优解。
数据为Excel股票预测…
目标检测的发展史及关键技术概述
目标检测的发展史及关键技术概述
目标检测是计算机视觉领域中的一个基础问题，它旨在识别出图像中所有感兴趣的目标，并给出它们的位置和类别。从早期的模板匹配到现代的深度学习方法，目标检测技术经历了多个发展阶段。本文将透过时间的迷雾&a…
Pytorch之卷积操作
卷积是一种基本的数学操作，常用于信号处理和图像处理领域。在计算机视觉中，卷积操作是一种重要的技术，用于提取图像的特征并进行图像处理。
卷积操作基于一个卷积核（也称为滤波器或权重），它是一个小的矩阵…
【YOLO v5 v7 v8 v9小目标改进】新CNN架构 InceptionNeXt：怎么让大卷积核既好用又快
新CNN架构 InceptionNeXt：怎么让大卷积核既好用又快 提出背景问题: 如何提高大核心卷积的效率，同时保持或提升模型性能？ 改进思路MetaNeXtInception深度卷积InceptionNeXt 小目标涨点YOLO v5 魔改YOLO v7 魔改YOLO v8 魔改YOLO v9 魔改 提出背…
深度学习本科课程 实验4 卷积神经网络
二维卷积实验
1.1 任务内容
手写二维卷积的实现，并在至少一个数据集上进行实验，从训练时间、预测精 度、Loss变化等角度分析实验结果（最好使用图表展示）（只用循环几轮即可）使用torch.nn实现二维卷积&…
【PyTorch实战演练】深入剖析MTCNN(多任务级联卷积神经网络)并使用30行代码实现人脸识别
文章目录 0. 前言1. 级联神经网络介绍2. MTCNN介绍2.1 MTCNN提出背景2.2 MTCNN结构 3. MTCNN PyTorch实战3.1 facenet_pytorch库中的MTCNN3.2 识别图像数据3.3 人脸识别3.4 关键点定位 0. 前言 按照国际惯例，首先声明：本文只是我自己学习的理解ÿ…
卷积神经网络算法原理(卷积层，卷积运算，填充，步幅，经过卷积运算后的特征图大小，池化层，最大池化，平均池化，经过池化层运算后的特征图大小)
文章目录 卷积神经网络算法原理(卷积层，卷积运算，填充，步幅，经过卷积运算后的特征图大小，池化层，最大池化，平均池化，经过池化层运算后的特征图大小)前言1、图像的本质1.1、灰度图1.2…
深度学习 精选笔记（12）卷积神经网络-理论基础1
学习参考：
动手学深度学习2.0Deep-Learning-with-TensorFlow-bookpytorchlightning
①如有冒犯、请联系侵删。 ②已写完的笔记文章会不定时一直修订修改(删、改、增)，以达到集多方教程的精华于一文的目的。 ③非常推荐上面（学习参考&#x…
【目标检测经典算法】R-CNN、Fast R-CNN和Faster R-CNN详解系列三：Faster R-CNN图文详解
【目标检测经典算法】R-CNN、Fast R-CNN和Faster R-CNN详解系列二：Fast R-CNN图文详解
概念预设
感受野
感受野(Receptive Field) 是指特征图上的某个点能看到的输入图像的区域。
神经元感受野的值越大表示其能接触到的原始图像范围就越大，也意味着它…
基于卷积神经网络实现手写数字识别
基于卷积神经网络实现手写数字识别
基于卷积神经网络实现手写数字识别。具体过程如下：
（1） 定义ConvNet结构类及其前向传播方式
（2） 设置超参数以及导入相关的包。
（3） 定义训练网络函数和绘…
交叉注意力融合时域、频域特征的FFT + CNN -BiLSTM-CrossAttention电能质量扰动识别模型
往期精彩内容：
电能质量扰动信号数据介绍与分类-Python实现-CSDN博客
Python电能质量扰动信号分类(一)基于LSTM模型的一维信号分类-CSDN博客
Python电能质量扰动信号分类(二)基于CNN模型的一维信号分类-CSDN博客
Python电能质量扰动信号分类(三)基于Transformer…
基于FFT + CNN -Transformer时域、频域特征融合的电能质量扰动识别模型
目录
往期精彩内容：
模型整体结构
1 快速傅里叶变换FFT原理介绍
第一步，导入部分数据，扰动信号可视化
第二步，扰动信号经过FFT可视化
2 电能质量扰动数据的预处理
2.1 导入数据
2.2 制作数据集
3 基于FFTCNN-Transform…
完全让ChatGPT写一个风格迁移的例子，不改动任何代码
⭐️ 前言
小编让ChatGPT写一个风格迁移的例子，注意注意，代码无任何改动，直接运行，输出结果。 额。。。。这不是风格转换后的结果图。
⭐️ 风格迁移基本原理
风格迁移是一种计算机视觉领域的图像处理技术，它的目标…
Faster R-CNN
Faster R-CNN的步骤
1. 输入任意大小的图片，经过CNN网络输出特征图，特征图用于共享RPN、ROI Pooling 2. 特征图经过RPN生成候选区域 3.候选区域与1.中的特征图共同输入到ROI Pooling得到每个候选区域的特征图，然后进行softmax分类࿰…
卷积神经网络CNN（Convolutional Neural Network）
卷积神经网络CNN（Convolutional Neural Network）
一、CNN与NN的区别
卷积神经网络与传统神经网络的区别：
二、CNN的整体架构
1.输入层；2.卷积层；3.池化层；4.全连接层
三、卷积层做了什么
首先将图形…
![[图神经网络]图卷积神经网络--GCN](https://img-blog.csdnimg.cn/8141f1f1d53145f0b2ccb36c27a17f40.png)
[图神经网络]图卷积神经网络--GCN
一、消息传递 由于图具有“变换不变性”(即图的空间结构改变不会影响图的性状)，故不能直接将其输入卷积神经网络。一般采用消息传递(Message pass)的方式来处理。 消息传递机制通过局部邻域构建计算图实现，即某个节点的属性由其邻居节点来决定。汇聚这些…
结构重参数化宇宙(Re-parameterization Universe)
文章目录0. 前言1. Re-parameterization Universe1.1 RepVGG1.2. RepOptimizer2. 应用2.1 MobileOne参考资料0. 前言
一方面，大量研究表明，多分支网络架构的性能普遍优于单分支架构；另一方面，相比多分支架构，单分支架…
卷积神经网络与前馈神经网络
常见的人工神经网络结构
人工神经网络是一类由人工神经元组成的网络，常见的神经网络结构包括：
前馈神经网络（Feedforward Neural Network，FNN）：最简单的神经网络结构，由一个输入层、一个输出层…
卷积池化后的特征图尺寸计算
卷积池化后的特征图尺寸计算
卷积操作
假设输入特征图的长宽为inputsize，卷积核的尺寸为kernalsize，进行卷机操作时的补0数记作padding，步长为stride，那么输出特征图的大小outsize为： o u t s i z e i n p u t s i …
一起学习用Verilog在FPGA上实现CNN----(二)卷积层设计
1 打开Vivado工程
Vivado工程文件如图： 打开Vivado软件，打开工程，如图： 自动升级到当前版本，如图： 暂时选择现有开发板的型号，如图： 出现一条警告性信息，暂时先不管&…
初窥机器视觉与卷积神经网络
文章目录 1. 什么是卷积神经网络2. 卷积运算3. 池化层4. 卷积神经网络的整体架构 1. 什么是卷积神经网络
卷积神经网络(convolutional neural network，CNN)主要用于计算机视觉相关任务，但处理对象并不局限于图像，CNN在序列和语音等上的应用也…
【22-23 春学期】人工智能基础--AI作业10-经典卷积网络
LeNet & MNIST LeNet是由Yann LeCun及其合作者于1998年开发的一种具有开创性的卷积神经网络架构。它的设计目的是识别手写数字并执行图像分类任务。MNIST是一个用于手写数字识别的大型数据库，常被用于训练图像处理系统。LeNet与MNIST的关系在于，LeNe…
小白眼中的卷积神经网络(CNN)
相信和笔者一样爱技术对AI兴趣浓厚的小伙伴们，一定对卷积神经网络并不陌生，也一定曾经对如此“高级”的名字困惑良久。今天让我们一起回顾/学习这玩意到底是什么和为什么呢。
引言
说起CNN，必然会首先想到的是CV吧，而边缘检测可…
深度学习之全过程搭建卷积神经网络（CNN）
大家好，我是带我去滑雪！ 本期将尝试使用CIFAR-10 数据集搭建卷积神经网络，该数据集由 10 个类别的 60000 张 32x32 彩色图像组成，每个类别有 6000 张图像。 下面开始全过程搭建CNN识别彩色图片：
目录 （1&a…
计算机视觉的应用12-卷积神经网络中图像特征提取的可视化研究，让大家理解特征提取的全过程
大家好，我是微学AI，今天给大家介绍一下计算机视觉的应用12-卷积神经网络中图像特征提取的可视化研究，让大家理解特征提取的全过程。 要理解卷积神经网络中图像特征提取的全过程，我们可以将其比喻为人脑对视觉信息的处理过程。就像…
人工智能之读懂CNN卷积神经网络
通过往期文章的分享，我们了解了神经网络的结构，一般分为输入层，隐藏层，输出层 TensorFlow神经网络 那什么是卷积神经网络那，这就要我们追溯一下人类识别图像的原理 人类的视觉原理如下：从原始信号摄入开始（瞳孔摄入像素 Pixels），接着做初步处理（大脑皮层某些细胞发现…
一篇文章弄懂卷积神经网络基础概念
文章目录 一篇文章弄懂卷积神经网络基础概念下采样和上采样卷积普通卷积空洞卷积转置卷积膨胀卷积和转置卷积的区别 池化最大池化平均池化 全连接 一篇文章弄懂卷积神经网络基础概念
卷积神经网络可以说是图像处理的天花板，也是当下图像处理在深度学习方面最热门的…
pytorch深度学习实战lesson27
第二十七课 批量归一化 下面来讲批量归一化，现在几乎所有主流的卷积神经网络都是或多或少的用了批量归一化这个层。虽然我们之前看到的那些层比如 pooling 或 convolution，其实他们在80年代就出现过了，只是现在我们把它做得更深更大。批量归一…
44. 含并行连结的网络（GoogLeNet）
GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。 这篇论文的一个重点是解决了什么样大小的卷积核最合适的问题。 毕竟，以前流行的网络使用小到1 * 1，大到11 * 11的卷积核。
本文的一个观点是，有时使用不同大小的卷积…
d2l_第七章学习_卷积神经网络
参考:
d2l今日学习——卷积神经网络（CNN）https://blog.csdn.net/m0_61165991/article/details/124176077图像工程（上册）-图像处理傅里叶变换https://blog.csdn.net/qq_43369406/article/details/131350139 x.1 前储知识ÿ…
《python深度学习》笔记（十七）：卷积神经网络基础
卷积神经网络（convolutional neural network, CNN），是一种专门用来处理具有类似网格结构的数据的神经网络。卷积网络是指那些至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。
卷积神经网络主要应用是对图像进行特征提取…
Kaggle-手写数字（基于Pytorch和CNN）
Kaggle-手写数字识别
本人是一名小白，今天写一下自己第一次提交Kaggle的流程和体会
1.首先我们先导入所需要的库
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as …
PSO-CNN-LSTM多输入回归预测|粒子群算法优化的卷积-长短期神经网络回归预测(Matlab)——附代码数据
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势： 二、实际运行效果：
三、算法介绍：
四、完整程序数据分享下载： 一、程序及算法内容介绍：
基本内容： 本代码基于Matlab平台…
卷积神经网络基本概念补充
卷积（convolution）、通道（channel） 卷积核大小一般为奇数，有中心像素点，便于定位卷积核。 步长（stride）、填充（padding） 卷积核移动的步长（stride…
TVM 和模型优化的概述（1）
文章目录 1. 从 Tensorflow、PyTorch 或 Onnx 等框架导入模型（model）。2.翻译成 Relay3. lower 到 张量表达式。4. 使用 auto-tuning 模块 AutoTVM 或 AutoScheduler 搜索最佳 schedule。5. 选择最佳配置进行模型编译。6. lower 到 TIR。7. 编译成机器码…
【论文笔记】SYMNet：基于CNN的快速对称微分同胚图像配准
本文是论文《Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks》的阅读笔记。文章中有很多关于数学的描述，包括微分同胚、雅克比矩阵没有看懂，所以这部分内容有所残缺，建议读者直接阅读原文。 一、摘要 …
基于Tensorflow和Keras实现卷积神经网络CNN并进行猫狗识别
文章目录 一、环境配置1、安装Anaconda2、配置TensorFlow、Keras 二、猫狗数据集分类建模3.1 猫狗图像预处理3.2 猫狗分类的实例——基准模型3.1 构建神经网络3.2 配置优化器3.3 图片格式转化3.4 训练模型3.5 保存模型3.6 可视化 三、数据增强四、dropout 层五、参考资料 一、环…
卷积神经网络图像分类,图卷积神经网络是什么
CNN神经网络给图像分类（Matlab）
你要看你的图像是什么。如果是彩色数字，先转成灰度。用MNIST训练网络。如果是各种主题，用彩色的imageNET训练。如果你的数据量大到足以与数据集媲美，那么直接用你的数据训练网络即可。…
神经网络和图神经网络,神经网络的结构图
图神经网络是什么？
谷歌人工智能写作项目：小发猫 如何画出神经网络的结构图
为什么有图卷积神经网络？
本质上说，世界上所有的数据都是拓扑结构，也就是网络结构，如果能够把这些网络数据真正的收集、融合起…
CNN(八)：Inception V1算法实战与解析
🍨 本文为🔗365天深度学习训练营 中的学习记录博客 🍖 原作者：K同学啊|接辅导、项目定制 1 Inception V1
Inception v1论文
1.1 理论知识 GoogLeNet首次出现在2014年ILSVRC比赛中获得冠军。这次的版本通常称其为Inception V1。…
矩阵的卷积以及使用python计算方法
1、离散⼆维卷积公式 其中A为被卷积矩阵，K为卷积核，B为卷积结果，该公式中，三个矩阵的排序均从0开始。
卷积核、滤波器通常为较小尺寸的矩阵，比如3333、5555等，数字图像是相对较大尺寸的2维（多…
图卷积神经网络(GCN)理解与tensorflow2.0 代码实现 附完整代码
图(Graph)，一般用 $G=(V,E)$ 表示，这里的$V$是图中节点的集合，$E$ 为边的集合，节点的个数用$N$表示。在一个图中，有三个比较重要的矩阵： 特征矩阵$X$：维度为 $N\times D$ ，表示图中有 N 个节点，每个节点的特征个数是 D。邻居矩阵$A$：维度为 $N\times N$ ，表示图中 N…
机器学习——卷积神经网络（CNN）
CNN可以看作深度学习的进一步扩展，在深度学习的基础上改变神经网络的结构以及尽量减少参数，抓住关键特征。这样的CNN主要用于影像识别。具有以下三个属性的任务即可以使用CNN：1）观测图片中的某些模式；2）这些…
CNN 的卷积过程为什么 要将卷积核旋转180°
CNN(卷积神经网络)的误差反传(error back propagation)中有一个非常关键的的步骤就是将某个卷积(Convolve)层的误差传到前一层的池化(Pool)层上，因为在CNN中是2D反传，与传统神经网络中的1D反传有点细节上的不同，下面通过一个简单的例子来详细…
25- 卷积神经网络(CNN)原理 (TensorFlow系列) (深度学习)
知识要点 卷积神经网络的几个主要结构: 卷积层（Convolutions）: Valid :不填充，也就是最终大小为卷积后的大小. Same：输出大小与原图大小一致，那么N 变成了N2P. padding-零填充. 池化层（Subsampli…
卷积神经网络CNN(一篇文章 理解）
目录
一、引言
二、CNN算法概述
1 卷积层
2 池化层
3 全连接层
三、CNN算法原理
1 前向传播
2 反向传播
四、CNN算法应用
1 图像分类
2 目标检测
3 人脸识别
六、CNN的优缺点
优点：
1 特征提取能力强
2 平移不变性
3 参数共享
4 层次化表示
缺点…
人工智能学习07--pytorch12--深度学习在图像处理汇总的应用卷积神经网络基础知识
目标检测和图像分割挺像。有人把这两个结合，做出了不错的效果。 tensorflow.google.cn pytorch.org 但是中文文档版本比较老
所需环境
卷积神经网络基础知识
全连接层
由许许多多的神经元共同连接而得来的
实例
读入一张彩色的RGB图像，可看到每个…
如何利用神经网络做回归问题（全连接以及一维卷积）
源码、留给自己看的 博客地址：http://blog.csdn.net/shizhengxin123/article/details/76147022 1、全连接 回归
from keras.layers import Input, Dense
from keras.models import Model
from keras.layers.core import Flatten, Dense, Dropout,Activation
from…
人工智能原理概述 - ChatGPT 背后的故事
大家好，我是比特桃。如果说 2023 年最火的事情是什么，毫无疑问就是由 ChatGPT 所引领的AI浪潮。今年无论是平日的各种媒体、工作中接触到的项目还是生活中大家讨论的热点，都离不开AI。其实对于互联网行业来说，自从深度学习出来后就…
卷积神经网络的发展历史-ResNet
ResNet的产生
2015 年，Kaiming He 提出了ResNet（拿到了 2016 年 CVPR Best Paper Award），不仅解决了神经网络中的退化问题还在同年的ILSVRC和COCO 竞赛横扫竞争对手，分别拿下分类、定位、检测、分割任务的第一名。
R…
时序预测 | MATLAB实现基于CNN卷积神经网络的时间序列预测-递归预测未来(多指标评价)
时序预测 | MATLAB实现基于CNN卷积神经网络的时间序列预测-递归预测未来(多指标评价) 目录 时序预测 | MATLAB实现基于CNN卷积神经网络的时间序列预测-递归预测未来(多指标评价)预测结果基本介绍程序设计参考资料 预测结果 基本介绍 1.Matlab实现CNN卷积神经网络时间序列预测未…
神经网络ANN(MLP),CNN以及RNN区别和应用
1. Artificial Neural Network(ANN)
又称为Multilayer Perception Model(MLP) 2. CNN
AAA
3. RNN
22 先占坑，后期再整理
References
[1] CNN vs.RNN vs.ANN——浅析深度学习中的三种神经网络 - 知乎
[2] https://www.youtube.com/watch?vu7obuspdQu4
[3] 深…
深度学习实战——卷积神经网络/CNN实践(LeNet、Resnet)
忆如完整项目/代码详见github：https://github.com/yiru1225（转载标明出处 勿白嫖 star for projects thanks）
系列文章目录
本系列博客重点在深度学习相关实践（有问题欢迎在评论区讨论指出，或直接私信联系我…
【图像分类】理论篇（2）经典卷积神经网络 Lenet~Densenet
1、卷积运算 在二维卷积运算中，卷积窗口从输入张量的左上角开始，从左到右、从上到下滑动。 当卷积窗口滑动到新一个位置时，包含在该窗口中的部分张量与卷积核张量进行按元素相乘，得到的张量再求和得到一个单一的标量值，…
【使用 k 折叠交叉验证的卷积神经网络(CNN)】基于卷积神经网络的无特征EMG模式识别研究（Matlab代码实现）
💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭&a…
深度学习知识总结2：主要涉及深度学习基础知识、卷积神经网络和循环神经网络
往期链接：Summer 1 : Summarize linear neural networks and multi-layer perceptron
Summer 2: Summarize CNN and RNN 文章目录 Summer 2: Summarize CNN and RNNPart 1 Deep Learning> 层和块> 参数管理和延后初始化> 读写文件和GPU Part 2 CNN> 从…
【卷积神经网络】经典网络之 LeNet-5, AlexNet 与 VGG-16
随着计算机硬件的升级与性能的提高，运算量已不再是阻碍深度学习发展的难题。卷积神经网络（Convolution Neural Network，CNN）是深度学习中一项代表性的工作，其雏形是 1998 年 LeCun 提出的 LeNet-5 模型。如今ÿ…
机器学习的测试和验证（Machine Learning 研习之五）
关于 Machine Learning 研习之三、四，可到秋码记录上浏览。
测试和验证
了解模型对新案例的推广效果的唯一方法是在新案例上进行实际尝试。 一种方法是将模型投入生产并监控其性能。 这很有效，但如果你的模型非常糟糕，你的用户会抱怨——这…
深度学习2.神经网络、机器学习、人工智能
目录
深度学习、神经网络、机器学习、人工智能的关系
大白话解释深度学习
传统机器学习 VS 深度学习
深度学习的优缺点
4种典型的深度学习算法
卷积神经网络 – CNN
循环神经网络 – RNN
生成对抗网络 – GANs
深度强化学习 – RL
总结
深度学习 深度学习、神经网络…
Voxel R-CNN：基于体素的高性能 3D 目标检测
论文地址：https://arxiv.org/abs/2012.15712 论文代码：https://github.com/djiajunustc/Voxel-R-CNN
论文背景
基于点的方法具有较高的检测精度，但基于点的方法通常效率较低，因为对于点集抽象来说，使用点表示来搜索最…
卷积神经网络实现咖啡豆分类 - P7
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者：K同学啊 | 接辅导、项目定制🚀 文章来源：K同学的学习圈子 目录 环境步骤环境设置包引用全局设备对象 数据准备查看图像的信息制作数据集 模型设…
五、一些经典的网络架构
一、Alexnet
2012年卷积神经网络的开篇鼻祖 但放到现在确实有很多的弊端和有待改进的地方
1，网络基本架构
8层网络，其中有5层卷积，3层全连接 网络层数的定义：主要看有没有参数运算的参与，例如卷积层和全连接就可以…
自监督对比学习框架SimCLR原理
目录
一、前言
人工智能发展近况
对比学习
二、数据集介绍
STL-10数据集
三、无监督图像表征对比学习
SimCLR
SimCLR算法基本原理
数据增强与正负样本匹配
编码器
损失函数
对比学习全过程
四、有监督的图像下游任务迁移
替换下游任务网络层
有监督训练
五、实…
【计算机视觉】Image Feature Extractors方法介绍合集（一）
文章目录 一、Convolution二、1x1 Convolution三、Depthwise Convolution四、Pointwise Convolution五、Depthwise Separable Convolution六、Grouped Convolution七、Dilated Convolution八、3D Convolution九、Non-Local Operation十、Deformable Convolution十一、Switchabl…
RepViT: 从ViT视角重新审视移动CNN
文章目录 摘要1、简介2、相关工作3、方法论3.1、初步3.2、Block设计3.3、宏观设计3.4、微观设计3.5、网络架构4、实验4.1、图像分类4.2、目标检测与实例分割4.3、语义分割5、结论A. RepViTs架构一些名词的理解mobile-friendlinessEarly Convolutions摘要
https://arxiv.org/pd…
人工智能Keras的第一个图像分类器（CNN卷积神经网络的图片识别）
CNN卷积神经网络是人工智能的开端，CNN卷积神经网络让计算机能够认识图片，文字，甚至音频与视频。CNN卷积神经网络的基础知识，可以参考：CNN卷积神经网络 LetNet体系结构是卷积神经网络的“第一个图像分类器”。最初设计用于对手写数字进行分类，上期文章我们分享了如何使用k…
![[深度学习]卷积神经网络的概念,入门构建(代码实例)](https://img-blog.csdnimg.cn/35523bc19eba4435aa985645dbd55d8d.png)
[深度学习]卷积神经网络的概念,入门构建(代码实例)
# 不再任何人,任何组织的身上倾注任何的感情,或许这就是能活得更开心的办法 0.写在前面:
卷积神经网络的部分在之前就已经有所接触,这里重新更全面地总结一下关于深度学习中卷积神经网络的部分.并且在这里对如何构建代码,一些新的思想和网络做出一点点补充,同时会持续更新一些…
卷积神经网络（VGG-16）海贼王人物识别
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3. 查看数据 二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集5. 归一化 三、构建VGG-16网络1. 官方模型（已打包好ÿ…
深度学习：07 CNN经典模型总结（LeNet-5、AlexNet、VGG、GoogLeNet、ResNet）
目录
CNN经典网络模型
LeNet-5
AlexNet
VGG
GoogLeNet (Inception)
ResNet
如何选择网络 CNN经典网络模型
以下介绍了LeNet-5、AlexNet、VGG、GoogLeNet、ResNet等，它们通常用于图像的数据处理，那么卷积神经网络是否应用于自然语言分类任务呢&am…
Python深度学习入门 - - 卷积神经网络学习笔记
文章目录 一、卷积神经网络简介二、卷积神经网络的数学原理1、卷积层2、池化层3、感受野 三、Python实战卷积神经网络1、LetNet-5网络2、Resnet 残差网络3、VGGNet 迁移学习 总结 一、卷积神经网络简介 卷积神经网络（Convolutional Neural Networks，简称…
《动手学深度学习 Pytorch版》 6.6 卷积神经网络
import torch
from torch import nn
from d2l import torch as d2l6.6.1 LeNet
LetNet-5 由两个部分组成：
- 卷积编码器：由两个卷积核组成。
- 全连接层稠密块：由三个全连接层组成。模型结构如下流程图（每个卷积块由一个卷积层、…
![计算机视觉与深度学习-卷积神经网络-卷积图像去噪边缘提取-图像去噪 [北邮鲁鹏]](https://img-blog.csdnimg.cn/364f66a79e0546ddafbdcdc104d4fea0.png)
计算机视觉与深度学习-卷积神经网络-卷积图像去噪边缘提取-图像去噪 [北邮鲁鹏]
目录标题 参考学习链接图像噪声噪声分类椒盐噪声脉冲噪声对椒盐噪声&脉冲噪声去噪使用高斯卷积核中值滤波器 高斯噪声减少高斯噪声 参考学习链接
计算机视觉与深度学习-04-图像去噪&卷积-北邮鲁鹏老师课程笔记
图像噪声
噪声点，其实在视觉上看上去让人感…
OpenCV之YOLOv4 目标检测
💂 个人主页:风间琉璃🤟 版权: 本文由【风间琉璃】原创、在CSDN首发、需要转载请联系博主💬 如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦 目录
前言
一、YOLOV4简介
二、预处理
1.获取分类名
2.获取输出层名称
3.…
深度学习——卷积神经网络
卷积神经网络 1 计算机视觉 (Computer Vision)2 边缘检测示例 (Edge Detection Example)3 更多边缘检测内容 (More Edge Detection Example)4 Padding5 卷积步长 (Strided Convolutions)6 三维卷积 (Convolutions Over Volumes)7 单层卷积网络 (One Layer of a Convolutional N…
基于Android+OpenCV+CNN+Keras的智能手语数字实时翻译——深度学习算法应用(含Python、ipynb工程源码)+数据集（五）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 数据预处理2. 数据增强3. 模型构建4. 模型训练及保存5. 模型评估6. 模型测试 系统测试1. 训练准确率2. 测试效果3. 模型应用1）程序下载运行2）应用使用说明3）测试结果 相关其它…
用于设计 CNN 的 7 种不同卷积
一 说明 最近对CNN架构的研究包括许多不同的卷积变体，这让我在阅读这些论文时感到困惑。我认为通过一些更流行的卷积变体的精确定义，效果和用例（在计算机视觉和深度学习中）是值得的。这些变体旨在保存参数计数、增强推理并利用目标…
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集（五）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 模型训练1）数据集分析2）数据预处理3）模型创建4）模型训练5）获取特征矩阵 2. 后端Django1）路由文件2）视图层文件3）项目…
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集（七）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 模型训练1）数据集分析2）数据预处理3）模型创建4）模型训练5）获取特征矩阵 2. 后端Django3. 前端微信小程序1）小程序全局配置文件2）…
PyTorch实战：卷积神经网络详解+Python实现卷积神经网络Cifar10彩色图片分类
目录
前言
一、卷积神经网络概述
二、卷积神经网络特点
卷积运算
单通道，二维卷积运算示例
单通道，二维，带偏置的卷积示例
带填充的单通道，二维卷积运算示例
Valid卷积
Same卷积
多通道卷积计算
1.局部感知域
2.参数共…
基于Android+OpenCV+CNN+Keras的智能手语数字实时翻译——深度学习算法应用(含Python、ipynb工程源码)+数据集（三）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 数据预处理2. 数据增强3. 模型构建4. 模型训练及保存1）模型训练2）模型保存 5. 模型评估 相关其它博客工程源代码下载其它资料下载 前言
本项目依赖于Keras深度学习模型，旨在对…
【深度学习】实验14 使用CNN完成MNIST手写体识别(TensorFlow)
文章目录 使用CNN完成MNIST手写体识别(TensorFlow)1. 导入TensorFlow库2. 数据集3. 卷积、激励、池化操作4. 全连接层5. 输出层6. 训练模型 附：系列文章 使用CNN完成MNIST手写体识别(TensorFlow)
CNN（Convolutional Neural Network，卷积神经…
【CNN-FPGA开源项目解析】卷积层01--floatMult16模块
文章目录 (基础)半精度浮点数的表示和乘运算16位半精度浮点数浮点数的乘运算 floatMult16完整代码floatMult16代码逐步解析符号位sign判断指数exponent计算尾数fraction计算尾数fraction的标准化和舍位整合为最后的16位浮点数结果[sign,exponent,fraction] 其他变量宽度表alway…
【深度学习实验】卷积神经网络（一）：卷积运算及其Pytorch实现（一维卷积：窄卷积、宽卷积、等宽卷积；二维卷积）
目录
一、实验介绍 二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
1. 一维卷积
a. 概念
b. 示例
c. 分类
窄卷积（Narrow Convolution）
宽卷积（Wide Convolution）
等宽卷积（Same Convolution&am…
【深度学习实验】卷积神经网络（三）：自定义二维卷积层：步长、填充、输入输出通道
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. 步长、填充
a. 二维互相关运算（corr2d）
b. 二维卷积层类（Conv2D）
c. 模型测试
d. 代码整合
2. 输入输出通道
a…
经过CNN、LSTM训练、预测，数据集的数据为什么会被打乱?以及基于pytorch框架代码实现打乱后的恢复
经过CNN、LSTM训练、预测，数据集的数据为什么会被打乱?
在使用CNN（卷积神经网络）和LSTM（长短期记忆网络）进行训练和预测时，数据集的数据被打乱是为了增加模型的泛化能力和减少过拟合的发生。
以下是一些…
39. 深度卷积神经网络（AlexNet）代码实现（在colab上）
1. 容量控制和预处理
AlexNet通过暂退法控制全连接层的模型复杂度，而LeNet只使用了权重衰减。 为了进一步扩充数据，AlexNet在训练时增加了大量的图像增强数据，如翻转、裁切和变色。 这使得模型更健壮，更大的样本量有效地减少了过…
FasterRCNN目标检测算法
什么是FasterRCNN目标检测算法 Faster-RCNN是一个非常有效的目标检测算法，虽然是一个比较早的论文， 但它至今仍是许多目标检测算法的基础。
Faster-RCNN作为一种two-stage的算法，与one-stage的算法相比，two-stage的算法更加复杂且…
CNN卷积前后向推导
二维卷积定义：f(s,t)x(u,v)∗y(u,v)∑i0m−1∑i0n−1x(u,v)⋅y(s−u,t−v),m、n为x矩阵的行列数f(s,t) x(u,v)*y(u,v)\sum_{i0}^{m-1}\sum_{i0}^{n-1} x(u,v) \cdot y(s-u,t-v)\text , \quad m、n为x矩阵的行列数f(s,t)x(u,v)∗y(u,v)∑i0m−1∑i0n−1x(u,v)⋅…
基于CNN-RNN的医疗文本生成
🐱 基于CNN-RNN的医疗文本生成
本项目使用经过IMAGENET预训练的resnet101网络对图像特征进行提取后， 将图像特征输入LSTM来生成影像的文本描述。
初步实现了图像到文本的简单生成。 📖 0 项目背景 随着近年来深度学习的飞速发展，…
利用resnet 做kaggle猫狗大战图像识别，秒上98准确率
1、数据介绍
这份数据集来源于Kaggle，数据集有12500只猫和12500只狗。在这里简单介绍下整体思路 1、1从图片中直接训练一个小网络（作为基准方法），也就是普通的cnn方法 2、2后面我会用到最新的预训练好的resnet等方法进行训练
…
如何用keras cnn 做kaggle猫狗大战图片识别
1、数据简介
这份数据集来源于Kaggle，原数据集有12500只猫和12500只狗，因单机cpu跑，这里我只选取了2000张图片，工具用的是基于tensorflow的keras。数据如下所示：
2、数据预处理
这部分代码如下：
impo…
深度学习-卷积神经网络-AlexNET
文章目录 前言1.不同卷积神经网络模型的精度2.不同神经网络概述3.卷积神经网络-单通道4.卷积神经网络-多通道5.池化层6.全连接层7.网络架构8.Relu激活函数9.双GPU10.单GPU模型 1.LeNet-52.AlexNet1.架构2.局部响应归一化（VGG中取消了）3.重叠/不重叠池化4…
使用verilog语言实现简单的卷积神经网络
使用Verilog编写一个完整的卷积神经网络是一项非常复杂和耗时的任务，需要详细的思考、设计和实现过程。因此，提供一个简化的示例，展示如何使用Verilog实现一个简单的卷积层。
首先，我们需要定义一些参数来描述卷积层的结构和操作。在这个示例中，我们假设输入图像是一个2D…
CV计算机视觉每日开源代码Paper with code速览-2023.10.10
精华置顶墙裂推荐！小白如何1个月系统学习CV核心知识：链接 点击CV51，关注更多CV干货
论文已打包，点击进入—>下载界面
点击加入—>CV计算机视觉交流群
1.【基础网络架构：Transformer】Hierarchical Side-Tunin…
4.Mask R-CNN/YOLOV8/RTMDET三种实例分割方法推理逻辑对比
文章目录 Mask R-CNN/YOLOV8/RTMDET三种实例分割方法推理逻辑对比Mask R-CNNYOLOV5/8实例分割方法RTMDet中的实例分割 欢迎访问个人网络日志🌹🌹知行空间🌹🌹 Mask R-CNN/YOLOV8/RTMDET三种实例分割方法推理逻辑对比
实例分割是同…
机器学习，神经网络中，自注意力跟卷积神经网络之间有什么样的差异或者关联?
如图 6.38a 所示，如果用自注意力来处理一张图像，假设红色框内的“1”是要考虑的像素，它会产生查询，其他像素产生 图 6.37 使用自注意力处理图像
键。在做内积的时候，考虑的不是一个小的范围，而是整张图像的…
【手写数字识别】CNN卷积神经网络入门案例
安装Anaconda 下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 安装完成后，在CMD窗口 输入conda --help 查看是否安装成功 使用conda创建环境 conda create --name tf python3.7conda activate tf在 tf 环境中安装TensorFlow pip in…
【论文精读1】MVSNet架构各组织详解
一、训练流程
1. 特征提取
提取N个输入图像的深层特征用作深度匹配
与传统三维重建方法类似，第一步是提取图像特征（SIFT等特征子），不同点在于本文使用8层的卷积网络从图像当中提取更深层的图像特征表示，网络结构如下…
什么是 CNN? 卷积神经网络？ 怎么用 CNN 进行分类？（3）
参考视频：https://www.youtube.com/watch?vE5Z7FQp7AQQ&listPLuhqtP7jdD8CD6rOWy20INGM44kULvrHu
视频7：CNN 的全局架构
卷积层除了做卷积操作外，还要加上 bias ，再经过非线性的函数，这么做的原因是 “scaled p…
CondConv 动态卷积学习笔记 （附代码）
论文地址:https://arxiv.org/abs/1904.04971
代码地址：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet/condconv 1.是什么？
CondConv是一种条件参数卷积，也称为动态卷积，它是一种即插即用的模块&…
yolov7模型轻量化改进之MobileOne骨干替换
本文在之前文章yolov7分割训练的基础上进行改进： https://blog.csdn.net/qq_41920323/article/details/129464115?spm=1001.2014.3001.5502
具体GitHub工程下载，环境安装配置，数据准备等，请借鉴之前的文章，此处只介绍如何进行改进。
MobileOne地址：https://github.com…
AI：48-基于卷积神经网络的气象图像识别
🚀 本文选自专栏：AI领域专栏 从基础到实践，深入了解算法、案例和最新趋势。无论你是初学者还是经验丰富的数据科学家，通过案例和项目实践，掌握核心概念和实用技能。每篇案例都包含代码实例，详细讲解供大家学习。 📌📌📌本专栏包含以下学习方向： 机器学习、深度学…
CNN（卷积神经网络）、RNN（循环神经网络）和GCN（图卷积神经网络）
CNN（卷积神经网络）： 区别：CNN主要适用于处理网格状数据，如图像或其他二维数据。它通过卷积层、池化层和全连接层来提取和学习输入数据的特征。卷积层使用卷积操作来捕捉局部的空间结构，池化层用于降低特征图…
项目实战— pytorch搭建CNN处理MNIST数据集
项目文件夹介绍 项目文件夹 CNN_MNIST_practice文件夹是整个项目的文件夹，里面存放了六个子文件夹以及四个 .py 程序，接下来我们分别来介绍这些文件的内容。 其中 minist_all_CPU.py 是CPU版本的模型训练＋测试程序，而 min…
深度学习(CNN+RNN)笔记2
文章目录 第五课：序列模型(Sequence Models)第一周：循环神经网络（Recurrent Neural Networks）【序列模型、语言模型序列生成、对新序列采样。RNN、GRU、LSTM、双向RNN、深度RNN】第二周：自然语言处理与词嵌入ÿ…
![【NLP】特征提取: 广泛指南和 3 个操作教程 [Python、CNN、BERT]](https://img-blog.csdnimg.cn/img_convert/7d4a81ef947b615bdc05f5a4d4087c34.jpeg)
【NLP】特征提取: 广泛指南和 3 个操作教程 [Python、CNN、BERT]
什么是机器学习中的特征提取？
特征提取是数据分析和机器学习中的基本概念，是将原始数据转换为更适合分析或建模的格式过程中的关键步骤。特征，也称为变量或属性，是我们用来进行预测、对对象进行分类或从数据中获取见解的数据点的…
卷积神经网络（CNN）mnist手写数字分类识别的实现
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3.归一化4.可视化5.调整图片格式 二、构建CNN网络模型三、编译模型四、训练模型五、预测六、知识点详解1. MNIST手写数字数据集介绍2. 神经网络程序说明3. 网…
卷积神经网络（VGG-19）灵笼人物识别
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3. 查看数据 二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集5. 归一化 三、构建VGG-19网络1. 官方模型（已打包好ÿ…
故障识别：CNN-BiLSTM-SelfAttention时空特征融合多头自注意力机制的故障识别程序，数据由Excel导入，直接运行！
适用平台：Matlab2023版及以上
本程序参考中文EI期刊《基于CNN-BiLSTM 的滚动轴承变工况故障诊断方法法》，程序注释清晰，干货满满，下面对文章和程序做简要介绍。 在CNN-BiLSTM-SelfAttention故障识别模型中，结合了卷积…
【精选】深度学习：构建卷积神经网络的表情识别系统（源码＆教程）
1.研究背景与意义
随着社交媒体和在线通信的普及，人们越来越多地使用表情符号来表达情感和情绪。表情识别系统的发展成为一个重要的研究领域，旨在通过计算机自动识别和理解人类的表情，从而提高人机交互的效果和用户体验。
传统的表情识别方…
卷积神经网络（AlexNet）鸟类识别
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据 二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集 三、AlexNet (8层）介绍四、构建AlexNet (8层）网络模型五、…
卷积神经网络（Inception V3）识别手语
文章目录 一、前言二、前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）2. 导入数据3. 查看数据 二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集 三、构建Inception V3网络模型1.自己搭建2.官方模型 五、编译六、训练模型七、模型…
激活函数Swish（ICLR 2018）
paper：Searching for Activation Functions
背景
深度网络中激活函数的选择对训练和任务表现有显著的影响。目前，最成功和最广泛使用的激活函数是校正线性单元（ReLU）。虽然各种手工设计的ReLU替代方案被提出，但由于在…
机器学习开源分子生成系列(1)-DeepFrag的本地部署及使用
欢迎浏览我的CSND博客！ Blockbuater_drug …进入 文章目录 前言一、DeepFrag是什么？二、conda中安装DeepFrag CLI环境1. 创建环境并激活2. 下载pre-trained model3. DeepFrag CLI 使用方法必需参数：可选参数： 4. DeepFrag CLI 使用…
理解卷积神经网络（CNN）
1. 引言：什么是CNN
卷积神经网络（CNN）是一种专为处理具有类似网格结构的数据（如图像）而设计的深度学习架构。自从在图像处理和计算机视觉领域取得突破性成就以来，CNN已成为这些领域的核心技术之一。
CNN的…
MVO-CNN-BiLSTM多输入时序预测|多元宇宙优化算法-卷积-双向长短期神经网络时序预测(Matlab)
摘要：
本文介绍了基于MVO-CNN-BiLSTM的多输入时序预测模型，利用多元宇宙优化算法进行模型参数寻优。通过卷积神经网络和双向长短期记忆网络提取时序数据特征，并预测未来值。文章详细阐述了模型的设计思路、实现步骤以及性能优化策略…
人工智能Keras图像分类器（CNN卷积神经网络的图片识别篇)
上期文章我们分享了人工智能Keras图像分类器（CNN卷积神经网络的图片识别的训练模型），本期我们使用预训练模型对图片进行识别：Keras CNN卷积神经网络模型训练 导入第三方库
from keras.preprocessing.image import img_to_array
from keras.models import load_model
impor…
卷积神经网络（CNN）：艺术作品识别
文章目录 一、前言一、设置GPU二、导入数据1. 导入数据2. 检查数据3. 配置数据集4. 数据可视化 三、构建模型四、编译五、训练模型六、评估模型1. Accuracy与Loss图2. 混淆矩阵3. 各项指标评估 一、前言
我的环境：
语言环境：Python3.6.5编译器…
基于OpenCV+CNN+IOT+微信小程序智能果实采摘指导系统——深度学习算法应用(含pytho、JS工程源码)+数据集+模型（二）
目录 前言总体设计系统整体结构图系统流程图 运行环境Python环境TensorFlow 环境Jupyter Notebook环境Pycharm 环境微信开发者工具OneNET云平台 相关其它博客工程源代码下载其它资料下载 前言
本项目基于Keras框架，引入CNN进行模型训练，采用Dropout梯度…
“深入了解卷积神经网络（CNN）：工作原理、优点、应用和训练方法“
目录 简介1.什么是卷积神经网络 (CNN)？2. 卷积神经网络的工作原理是什么？3. 卷积神经网络有什么优点和缺点？4. 卷积神经网络在哪些领域有应用？5. 如何训练卷积神经网络？6. 如何评估卷积神经网络的性能？7. 如…
2023新优化应用:RIME-CNN-LSTM-Attention超前24步多变量回归预测算法
程序平台：适用于MATLAB 2023版及以上版本。
霜冰优化算法是2023年发表于SCI、中科院二区Top期刊《Neurocomputing》上的新优化算法，现如今还未有RIME优化算法应用文献哦。RIME主要对霜冰的形成过程进行模拟，将其巧妙地应用于算法搜索领域。 …
16、佛罗里达理工学院提出：seUNet:自动化医学图像分割领域极致的个人英雄主义
论文由美国佛罗里达理工学院三位学生于2023年11月10日，在arXiv的《Electrical Engineering and Systems Science》期刊中发表。三位作者鉴于自动化医学图像分割诊断对现代临床医学的实践变得愈发的重要，也鉴于目前机器学习算法的进步，共同提出…
【AI-1】卷积神经网络
分享些AI的知识点，主要聊一下深度学习中的卷积神经网络。
机器学习分哪些分支？
监督学习（Supervised Learning）：在监督学习中，模型通过使用带有标签的训练数据来学习输入和输出之间的映射关系。监督学习的…
Python电能质量扰动信号分类(二)基于CNN模型的一维信号分类
目录
前言
1 电能质量数据集制作与加载
1.1 导入数据
1.2 制作数据集
2 CNN-2D分类模型和训练、评估
2.1 定义CNN-2d分类模型
2.2 定义模型参数
2.3 模型结构
2.4 模型训练
2.5 模型评估
3 CNN-1D分类模型和训练、评估
3.1 定义CNN-1d分类模型
3.2 定义模型参数
…
041、基于CNN的样式迁移
之——基于CNN的滤镜
目录
之——基于CNN的滤镜
杂谈
正文
1.基于CNN的样式迁移
2.实现 杂谈 通过CNN的特征提取，可以实现将一个图片的样式模式特征迁移到另一张图像上。 正文
1.基于CNN的样式迁移 就是在某些层的输出上用其他的图片进行监督。 2.实现 一般来…
经典卷积神经网络-LeNet-5
经典卷积神经网络-LeNet-5
一、背景介绍
LeNet-5是Yann LeCun等人在《Gradient-Based Learning Applied to Document Recogn》论文中提出的一个卷积神经网络，LeNet的基本思想和结构为后来更复杂的神经网络提供了灵感，并为研究者们提供了深入理解卷积神…
CNN——LeNet
1.LeNet概述 LeNet是Yann LeCun于1988年提出的用于手写体数字识别的网络结构，它是最早发布的卷积神经网络之一，可以说LeNet是深度CNN网络的基石。 当时，LeNet取得了与支持向量机（support vector machines）性能相…
【机器学习】卷积神经网络（五）-计算机视觉应用
七、应用-计算机视觉 7.1 人脸检测 DenseBox\Femaleness-Net\MT-CNN\Cascade CNN 介绍 VJ框架的分类器级联用于卷积网络 用于人脸检测的紧凑卷积神经网络级联 问题：作者希望实时检测高分辨率视频流中的正面，由于人脸图像和背景的多样性和复杂性ÿ…
【机器学习】卷积神经网络（四）-实现细节（Caffe框架为例）
六、 实现细节 都有哪些开源的卷积神经网络实现 caffe中卷积神经网络各个层（卷积层、全连接层、池化层、激活函数层、内基层、损失层等） Caffe2 与caffe 对比 caffe2 开源吗 使用caffe的c 版本和python版本，分别适用于哪些场景 6.1 卷积层 在…
CPUd的训练速度的确不快啊
当我们进行训练服装数据集合的时候，服装数据集有60000个训练 10000个测试
每一个的大小为28*28的
那么相关的操作时候，用cpu的确比较慢 训练和测试的数据集可以进行研究测试 Train Epoch: 9 [57600/60000 (96%)] Loss: 0.319133 Train Epoch: 9 […
【python】卷积神经网络
卷积神经网络一、图片的识别过程：二、卷积神经网络解决了两个问题三、基本结构1.卷积层2.池化层3.ReLU 激活层单层卷积神经网络4.全连接层四、卷积神经网络流程五、卷积神经网络算法过程六、(代码)卷积神经网络---手写数字模型一、图片的识别过程：
1.特…
深度学习|RCNNFast-RCNN
1.RCNN
2014年提出R-CNN网络，该网络不再使用暴力穷举的方法，而是使用候选区域方法（region proposal method）创建目标检测的区域来完成目标检测的任务，R-CNN是以深度神经网络为基础的目标检测的模型 ，以R-C…
AlexNet网络复现
1. 引言
在现代计算机视觉领域，深度学习已经成为了一个核心技术，其影响力远超过了传统的图像处理方法。但深度学习，特别是卷积神经网络（CNN）在计算机视觉的主导地位并不是从一开始就有的。在2012年之前，计…
2023年算法CDO-CNN-BiLSTM-ATTENTION回归预测（matlab）
2023年算法CDO-CNN-BiLSTM-ATTENTION回归预测（matlab）
CDO-CNN-BiLSTM-Attention切诺贝利灾难优化器优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言。
切诺贝利灾难优化器Chernobyl Disaster Optimizer (CDO)是H. Shehadeh于202…
1.24CNN（基本框架），RNN（简单RNN,LSTM,GRU简要)两个参考论文
目录 CNN
RNN
3种RNN模型
简单RNN
LSTM （长短期记忆模型）
GRU
参考论文 CNN
CNN是卷积神经网络 提取图片特征
、
在输出阶段可以使用sigmoid函数返回01值
RNN 3种RNN模型
简单RNN H就是每层神经元所产生的一个输出信号，输出…
机器学习复习（4）——CNN算法
目录
数据增强方法
CNN图像分类数据集构建
导入数据集
定义trainer
超参数设置
数据增强
构建CNN网络
开始训练
模型测试 数据增强方法
# 一般情况下，我们不会在验证集和测试集上做数据扩增
# 我们只需要将图片裁剪成同样的大小并装换成Tensor就行
test_t…
一篇文章搞懂CNN（卷积神经网络）及其所含概念
目录 1. 什么是卷积神经网络：2. 应用领域：3. 架构：4. 卷积层的参数和名词参数：名词： 5. 注意：6. 经典网络：小结： 当下，计算机视觉在人工智能领域中扮演着至关重要的角色。…
经典语义分割(二)医学图像分割模型UNet
经典语义分割(二)医学图像分割模型UNet 我们之前介绍了全卷积神经网络( FCN) ，FCN是基于深度学习的语义分割算法的开山之作。 今天我们介绍另一个语义分割的经典模型—UNet，它兼具轻量化与高性能，通常作为语义分割任务的基线测试模型&#x…
深度学习——第9章 项目实战：让你的神经网络模型越来越深
第9章 项目实战：让你的神经网络模型越来越深 目录 9.1 导入数据集
9.2 预处理
9.3 初始化参数 W 和 b
9.4 正向传播单层神经元
9.5 正向传播 L 层神经元
9.6 损失函数
9.7 反向传播单层神经元
9.8 反向传播 L 层神经元
9.9 更新网络参数 W 和 b
9.10 整个神经网络模型…
深度学习在物理层信号处理中的应用研究
随着移动流量呈现的爆发式增长、高可靠性和低时延的通信场景给当前网络带来了更大的复杂性和计算挑战。据IBM报道，移动数据量到2020年将超过40万亿Gbits，比2009年增加44倍，连接总设备量将达到500亿。为了满足这一需求，需要新的通信…
计算CNN卷积层和全连接层的参数量
计算CNN卷积层和全连接层的参数量
先前阅读
CNN ExplainerA Comprehensive Guide to Convolutional Neural Networks — the ELI5 way
本文主旨意在搞明白2个问题： 第一个问题 一个卷积操作，他的参数，也就是我们要训练的参数，也…
神经网络CNN优化处理图片
*构建一个图片分类模型，并没有涉及到图片预处理或美化的部分 以下是一个简单的图片预处理的例子，它包括将图片转换为灰度图、调整大小并标准化到0-1之间： import cv2 from torchvision import transforms
定义预处理操作
preprocess trans…
神经网络 | 基于 CNN 模型实现土壤湿度预测
Hi，大家好，我是半亩花海。在现代农业和环境监测中，了解土壤湿度的变化对于作物生长和水资源管理至关重要。通过深度学习技术，特别是卷积神经网络，我们可以利用过去的土壤湿度数据来预测未来的湿度趋势。本文将使用 Pad…
深兰科技陈海波出席CTDC2024第五届首席技术官领袖峰会：“民主化AI”的到来势如破竹
1月26日，CTDC 2024 第五届首席技术官领袖峰会暨出海创新峰会在上海举行。深兰科技创始人、董事长陈海波受邀出席了本届会议，并作为首个演讲嘉宾做了题为“前AGI时代的生产力革命范式”的行业分享。 作为国内顶级前瞻性技术峰会，CTDC首席技术官…
基于CNN+数据增强+残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)+数据集+模型（六）
系列文章目录
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型（一）
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型…
浅谈深度学习中的不同归一化层
引言
目前，深度学习已经彻底改变了自然语言处理、计算机视觉、机器人等许多子领域。深度学习当然涉及训练精心设计的深度神经网络，并且各种设计决策会影响这些深度网络的训练机制。其中一些设计决策包括
网络中要使用的网络层类型，例如卷积…
风速预测（六）基于Pytorch的EMD-CNN-GRU并行模型
目录
前言
1 风速数据EMD分解与可视化
1.1 导入数据
1.2 EMD分解
2 数据集制作与预处理
2.1 先划分数据集，按照8：2划分训练集和测试集
2.2 设置滑动窗口大小为96，制作数据集
3 基于Pytorch的EMD-CNN-GRU并行模型预测
3.1 数据加载&a…
【Pytorch】CNN中的Attention
目录 更大层面上的Attention在attention中，怎么分区channel-wise还是spatial-wise举一个Spatial-Channel Attention的例子 使用广泛的Dot-product Attentionattention机制中的query,key,value的概念解释Attention的一个例子 更大层面上的Attention
在attention中&a…
神经网络 | CNN 与 RNN——深度学习主力军
Hi，大家好，我是半亩花海。本文主要将卷积神经网络（CNN）和循环神经网络（RNN）这两个深度学习主力军进行对比。我们知道，从应用方面上来看，CNN 用于图像识别较多，而 RNN 用于…
BatchNorm介绍：卷积神经网络中的BN
一、BN介绍
1.原理
在机器学习中让输入的数据之间相关性越少越好，最好输入的每个样本都是均值为0方差为1。在输入神经网络之前可以对数据进行处理让数据消除共线性，但是这样的话输入层的激活层看到的是一个分布良好的数据，但是较深的激活层…
BN介绍：卷积神经网络中的BatchNorm
一、BN介绍
1.原理
在机器学习中让输入的数据之间相关性越少越好，最好输入的每个样本都是均值为0方差为1。在输入神经网络之前可以对数据进行处理让数据消除共线性，但是这样的话输入层的激活层看到的是一个分布良好的数据，但是较深的激活层…
CVPR2023 即插即用 SCConv (附代码)
论文地址：SSCONV
代码地址：https://github.com/cheng-haha/ScConv
1.是什么？
SCConv是一种高效的卷积模块，用于压缩卷积神经网络中的冗余特征，以减少计算负荷并提高模型性能。它由空间重构单元(SRU)和信道重构单元(…
实战 | 使用CNN和OpenCV实现数字识别项目(步骤 + 源码)
导 读 本文主要介绍使用CNN和OpenCV实现数字识别项目，含详细步骤和源码。
前 言 在当今世界，深度学习和图像处理技术正在各个应用领域得到利用。在这篇博文中，我们将使用卷积神经网络 (CNN) 和 OpenCV 库完成数字识别项目。我们将逐步掌握该项目如何执行。 项目准…
卷积神经网络吴恩达coursera
Convolutional NN
Foundations of CNN
matrixs convolution
Edge detection
Vertical / horizontial
conv-forward(tf.nn.cov2d) m a t r i x ( 6 6 ) ∗ f i l t e r ( 3 3 ) m a t r i x ( 4 4 ) matrix(6\times6)*filter(3\times3)matrix(4\times4) matrix(66)∗fi…
基于TensorFlow的LibriSpeech语音识别
一、引言 随着人工智能技术的日益成熟，深度学习在语音识别领域取得了显著的突破。本博客将介绍如何使用TensorFlow框架，结合LibriSpeech数据集，构建一个高效的语音识别系统。
目录
一、引言
二、环境准备
为了运行本示例代码，…
神经网络2-卷积神经网络一文深度读懂
卷积神经网络（Convolutional Neural Network, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），主要用于图像识别、语音识别和自然语言处理等任务，是深度学习࿰…
TextCNN：文本分类卷积神经网络
模型原理 1、前言2、模型结构3、示例3.1、词向量层3.2、卷积层3.3、最大池化层3.4、Fully Connected层 4、总结 1、前言
TextCNN 来源于《Convolutional Neural Networks for Sentence Classification》发表于2014年，是一个经典的模型，Yoon Kim将卷积神…
球面数据的几何深度学习--球形 CNN
目录 一、说明二、球形 CNN概述三、球面数据的对称性四、标准（平面）CNN的局限性五、卷积并发症六、球面卷积七、球面卷积是不够的 一、说明 球面数据的几何深度学习–球形 CNN。通过对物理世界的平移对称性进行编码，卷积神经网络 ࿰…
深度学习pytorch——正则化（持续更新）
由于Sigmoid函数在两边存在梯度趋于零的特性，这种特性会使梯度长久得不到更新，造成梯度离散的现象，如何处理这一种现象？压缩数据使数据位于Sigmoid梯度不趋于0区间，即批量正则化（Batch Norm ）&a…
应用Transformer和CNN进行计算机视觉任务各自的优缺点
Transformer 和 CNN（卷积神经网络）是用于计算机视觉任务的两种不同的深度学习架构，各自具有一些优点和局限性。
一、Transformer:
优点：
全局信息关系建模： Transformer 通过自注意力机制（self-attentio…
论文解读：On the Integration of Self-Attention and Convolution
自注意力机制与卷积结合：On the Integration of Self-Attention and Convolution(CVPR2022)
引言 1：卷积可以接受比较大的图片的，但自注意力机制如果图片特别大的话，运算规模会特别大，即上图中右边(卷积)会算得比较快…
深度学习的十大核心算法
引言
深度学习是人工智能领域中最热门和最具影响力的分支之一。其核心在于通过构建复杂的神经网络模型，从大量的数据中自动学习并提取出有用的特征，从而实现各种高级的任务，如图像识别、自然语言处理等。本文将介绍深度学习中的十大核心算法…
多维时序 | MATLAB实CNN-Mutilhead-Attention卷积神经网络融合多头注意力机制多变量时间序列预测
多维时序 | MATLAB实CNN-Mutilhead-Attention卷积神经网络融合多头注意力机制多变量时间序列预测 目录 多维时序 | MATLAB实CNN-Mutilhead-Attention卷积神经网络融合多头注意力机制多变量时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 多维时序 | …
P21 卷积神经网络CNN
卷积
参数共享
Maxpool 逐步限制 neuron的弹性， 感受野限制看的范围，参数共享限制参数 由于上述限制，CNN的bias 比较大，用在图像中，影响不大。 如果用在其他方面，要注意一下。 pooling的目的是降低计算…
目标检测-Two Stage-RCNN
文章目录 前言一、R-CNN的网络结构及步骤二、RCNN的创新点候选区域法特征提取-CNN网络 总结 前言
在前文：目标检测之序章-类别、必读论文和算法对比（实时更新）已经提到传统的目标检测算法的基本流程： 图像预处理 > 寻找候选区…
sheng的学习笔记-卷积神经网络
源自吴恩达的深度学习课程，仅用于笔记，便于自行复习
导论
1）什么是卷积神经网络
卷积神经网络，也就是convolutional neural networks （简称CNN），使用卷积算法的神经网络，常用于计…
ShuffleNet V2：高效CNN架构设计实用指南
摘要
目前，神经网络架构设计主要以计算复杂度的间接指标（即 FLOPs）为指导。然而，直接指标（如速度）还取决于其他因素，如内存访问成本和平台特性。因此，这项工作建议在目标平台上评估…
论文解读：Coordinate Attention for Efficient Mobile Network Design(CVPR2021)
论文前言
原理其实很简单，但是论文作者说得很抽象，时间紧的建议直接看3.1中原理简述CBMA、原理简述CBMA以及3.2中原理简述coordinate attention block即可。
Abstract
最近关于mobile network设计的研究已经证明了通道注意(例如，the Squee…
论文解读：A New CNN Building Block for Low-ResolutionImages and Small Objects
引言
之前通过stride和pooling这些下采样操作，但是这些操作都会或多或少丢失图像的信息，所以这不适用于具有低分辨率图像和小物体的更困难的任务上。像池化选择maxpooling或者是averagepooling、卷积的步长(太大的话会丢失信息)都是很头疼的问题&#x…
![31、杭州电子科技大、深圳大数据研究院、港中文第二附属医院提出：SCUNet++，堪称完美的缝合设计[太美丽家人们！]](https://img-blog.csdnimg.cn/direct/ad23e5755154428e8fb506eb307acd16.png)
31、杭州电子科技大、深圳大数据研究院、港中文第二附属医院提出：SCUNet++，堪称完美的缝合设计[太美丽家人们！]
本文由1杭州电子科技大学，2深圳大数据研究院，3香港中文大学第二附属医院于2023年12月22日发表于arXiv<Electrical Engineering and Systems Science >。
论文：
《SCUNet: Assessment of Pulmonary Embolism CT Image Segmentation Le…
深度学习pytorch——卷积神经网络（持续更新）
计算机如何解析图片？
在计算机的眼中，一张灰度图片，就是许多个数字组成的二维矩阵，每个数字就是此点的像素值（图-1）。在存储时，像素值通常位于[0, 255]区间，在深度学习中࿰…
卷积神经网络（CNN）——基础知识整理
文章目录 1、卷积神经网络 2、图片格式 3、图片卷积运算 4、Kernel 与 Feature Map 5、padding/边缘填充 6、Stride/步长 7、pooling/池化 8、shape 9、epoch、batch、Batch Size、step 10、神经网络 11、激活函数 1、卷积神经网络
既然叫卷积神经网络，这里面首先是…
【原创】基于分位数回归的卷积长短期结合注意力机制的神经网络(CNN-QRLSTM-Attention)回归预测的MATLAB实现
基于分位数回归的卷积长短期结合注意力机制的神经网络（CNN-QRLSTM-Attention）是一种用于时间序列数据预测的深度学习模型。该模型结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（A…
卷积神经网络（CNN）的数学原理解析
文章目录 前言 1、介绍 2、数字图像的数据结构 3、卷积 4、Valid 和 Same 卷积 5、步幅卷积 6、过渡到三维 7、卷积层 8、连接剪枝和参数共享 9、卷积反向传播 10、池化层 11、池化层反向传播 前言 本篇主要分享卷积神经网络（CNN）的数学原理解析…
神经网络系列---卷积
文章目录 卷积神经网络卷积转置卷积 卷积核和反卷积的三种实现方式卷积的次数计算 卷积神经网络
在神经网络的卷积层中，向下取整（Floor）是一种常用的策略，特别是在处理输出尺寸不是整数的情况时。当你计算出卷积层输出的尺寸&…
基于CNN-LSTM-Attention的时间序列回归预测matlab仿真
目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
4.1卷积神经网络（CNN）在时间序列中的应用
4.2 长短时记忆网络（LSTM）处理序列依赖关系
4.3 注意力机制（Attention）
5…
【新手适用】手把手教你从零开始实现一个基于Pytorch的卷积神经网络CNN二： 如何训练模型，内附详细损失、准确率、均值计算
手把手教你从零开始实现一个基于Pytorch的卷积神经网络CNN（新手适用）一： model.py：创建模块-CSDN博客 从零开始实现一个基于Pytorch的卷积神经网络 - 知乎
代码：
cnn-pytorch-simple: 简单实现的基于pytorch的cnn模…
深度学习理论基础（五）卷积神经网络CNN
目录 一、卷积神经网络基础1.卷积层（1）内部参数：卷积核权重（2）内部参数：偏置（3）外部参数：填充padding（默认不填充）（3）外部…
深度学习500问——Chapter05： 卷积神经网络（CNN）（2）
文章目录 5.6 有哪些池化方法 5.7 1x1卷积作用 5.8 卷积层和池化层有什么区别 5.9 卷积核是否一定越大越好 5.10 每层卷积是否只能用一种尺寸的卷积核 5.11 怎样才能减少卷积层参数量 5.12 在进行卷积操作时，必须同时考虑通道和区域吗 5.13 采用宽卷积的好处有什么 …
一维卷积神经网络的特征可视化
随着以深度学习为代表的人工智能技术的不断发展，许多具有重要意义的深度学习模型和算法被开发出来，应用于计算机视觉、自然语言处理、语音处理、生物医疗、金融应用等众多行业领域。深度学习先进的数据挖掘、训练和分析能力来源于深度神经网络的海量模型…
Python实现BOA蝴蝶优化算法优化卷积神经网络分类模型(CNN分类算法)项目实战
说明：这是一个机器学习实战项目（附带数据代码文档视频讲解），如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景
蝴蝶优化算法(butterfly optimization algorithm, BOA)是Arora 等人于2019年提出的一种元启发式智能算…
卷积神经网络（CNN）、循环神经网络（RNN）和自注意力（self-attention）对比
考虑同一个的问题：将由个词元组成的序列映射到另一个长度相同的序列，其中的每个输入词元或输出词元由维向量表示。 我们将比较能够解决上述问题的三种常用方法：卷积神经网络（CNN）、循环神经网络（RNN&#x…
CNN——ResNet
深度残差网络（Deep residual network, ResNet）的提出是CNN图像史上的一件里程碑事件，并且让深度学习真正可以继续做下去，斩获2016 CVPR Best Paper。此外ResNet的作者都是中国人，一作何恺明。ResNet被提出以后很多的网…
深度学习——R-CNN目标检测原理
R-CNN系列算法需要先产生候选区域，再对候选区域做分类和位置坐标的预测，这类算法被称为两阶段目标检测算法。近几年，很多研究人员相继提出一系列单阶段的检测算法，只需要一个网络即可同时产生候选区域并预测出物体的类别和位置坐标…
CNN和RNN的区别是什么？
CNN（卷积神经网络）和RNN（循环神经网络）是深度学习中的两种主要神经网络类型，它们在结构、功能和应用领域上有显著的区别：
核心结构与工作原理:
CNN: CNN主要用于处理具有网格状拓扑结构的数据，…
Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类
目录
往期精彩内容：
前言
模型整体结构
1 变分模态分解VMD的Python示例
2 轴承故障数据的预处理
2.1 导入数据
2.2 故障VMD分解可视化
2.3 故障数据的VMD分解预处理
3 基于VMD-CNN-BiGRU-Attenion的轴承故障诊断分类
3.1 定义VMD-CNN-BiGRU-Attenion分类网…
CNN：Convolutional Neural Network（下）
目录
1 CNN 学到的是什么
1.1 Convolution 中的参数
1.2 FFN 中的参数
1.3 Output
2 Deep Dream
3 Deep Style
4 More Application
4.1 AlphaGo
4.2 Speech
4.3 Text 原视频：李宏毅 2020：Convolutional Neural Network
本博客属于学…
Mask R-CNN网络中ROI Align层中的Align单词是什么意思。
问题描述：
Mask R-CNN网络中ROI Align层中的Align单词是什么意思。
问题解答：
在 Mask R-CNN 网络中，ROI Align 层中的 "Align" 这个单词表示对齐（Align）。在这里，"Align" 的意思是…
顶级SCI优化！CGO-CNN-BiGRU-Attention混沌博弈优化卷积、双向GRU融合注意力机制的多变量回归预测程序！
适用平台：Matlab 2023版及以上
CGO混沌博弈优化算法，发表在SCI、中科院2区Top顶级期刊《Artifcial Intelligence Review》上。
该算法提出时间很短，目前还没有套用这个算法的高水平文献。 同样的，我们利用该物理意义明确的创新算…
深度学习入门——卷积神经网络CNN基本原理+实战
CNN基本结构
卷积神经网络（Convolutional Neural Network,CNN）是深度学习技术中最基础的网络结构，模拟人脑工作，具备强大的特征学习能力。CNN结构主要由两部分组成：特征提取部分和分类部分\color{blue}{特征提取部…
机器学习实验4——CNN卷积神经网络分类Minst数据集
文章目录 🧡🧡实验内容🧡🧡🧡🧡 原理🧡🧡🧡🧡CNN实现分类Minst🧡🧡代码数据预处理：设置基本参数： ᾞ…
手把手教你用深度学习做物体检测(一)： 快速感受物体检测的酷炫
我们先来看看什么是物体检测，见下图： 如上图所示， 物体检测就是需要检测出图像中有哪些目标物体，并且框出其在图像中的位置。
本篇文章，我将会介绍如何利用训练好的物体检测模型来快速实现上图的效果，这里…
【神经网络】基础知识与CNN网络基本框架
神经网络基础架构
基础动图网站：点击这里 整体框架为输入层，中间隐藏层，最后输出结果。 输入层，在这里图中主要是确定输入什么样的参数。比如说这个例子做分类，每一个点具有一个二维坐标系，那么可以选择的…
YOLOv9独家原创改进|增加SPD-Conv无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块
专栏介绍：YOLOv9改进系列 | 包含深度学习最新创新，主力高效涨点！！！ 一、文章摘要 卷积神经网络(CNNs)在计算即使觉任务中如图像分类和目标检测等取得了显著的成功。然而，当图像分辨率较低或物体较小时&…
神经网络3-时间卷积神经网络
在深度学习的知识宝库中，卷积神经网络（CNN）广泛应用于视觉，视频等二维或者多维的图像领域。卷积网络具有深度，可并行等多种优良特性，那么这种技术是否可以应用于解单维度的时间序列问题呢？本文介…
基于cnn的卷机神经网络的项目毕业课题实践应用(毕业选题-深度学习-卷及神经网络)
这些项目可以作为毕业课题选择，共计超过20个：
往期热门项目回顾：
计算机视觉项目大集合
改进的yolo目标检测-测距测速
路径规划算法
图像去雨去雾目标检测测距项目
交通标志识别项目
yolo系列-重磅yolov9界面-最新的yolo
姿态识别…
理论学习：CNN卷积核与通道讲解
参考链接： CNN卷积核与通道讲解_cnn卷积核如何确定-CSDN博客
单通道卷积 多通道卷积（一个卷积核） 以彩色图像为例，包含三个通道，分别表示RGB三原色的像素值，输入为（3,5,5）…
YOLOv9改进策略：注意力机制 | SimAM（无参Attention），效果秒杀CBAM、SE
💡💡💡本文改进内容：SimAM是一种轻量级的自注意力机制，其网络结构与Transformer类似，但是在计算注意力权重时使用的是线性层而不是点积
yolov9-c-CoordAtt summary: 972 layers, 51024476 parameters, 510…
![[CUDA手搓]从零开始用C++ CUDA搭建一个卷积神经网络(LeNet)，了解神经网络各个层背后算法原理](https://img-blog.csdnimg.cn/direct/06e4cdf404394731ab3a3dbee5fa4aef.png)
[CUDA手搓]从零开始用C++ CUDA搭建一个卷积神经网络(LeNet)，了解神经网络各个层背后算法原理
文章目录 前言一、所需环境二、实现思路2.1. 定义了LeNet网络模型结构，并训练了20次2.2 以txt格式导出训练结果(模型的各个层权重偏置等参数)2.3 (可选)以pth格式导出训练结果，以方便后期调试2.4 C CUDA要做的事 三、C CUDA具体实现3.1 新建.cu文件并填好…
【知识点】CNN中concat与add的区别
cat操作经常用于将特征联合，多个卷积特征提取框架提取的特征融合或者是将输出层的信息进行融合；而add层更像是信息之间的叠加。 add是在一个特征上增加其语义信息，对最终的图像的分类是有益；cat导致的结果改进可能是由于cat操作通…
深度学习基础——卷积神经网络（一）
卷积操作与自定义算子开发
卷积是卷积神经网络中的基本操作，对于图像的特征提取有着关键的作用，本文首先介绍卷积的基本原理与作用，然后通过编写程序实现卷积操作，并展示了均值、高斯与sobel等几种经典卷积核的卷积效果ÿ…
基于CNN-GRU-Attention的时间序列回归预测matlab仿真
目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
4.1 CNN（卷积神经网络）部分
4.2 GRU（门控循环单元）部分
4.3 Attention机制部分
5.算法完整程序工程 1.算法运行效果图预览 2.算法运行软件版…
深度学习基础（二）卷积神经网络（CNN）
之前的章节我们初步介绍了深度学习相关基础知识和训练神经网络：
深度学习基础（一）神经网络基本原理-CSDN博客文章浏览阅读924次，点赞13次，收藏19次。在如今的科技浪潮中，神经网络作为人工智能的核心技术之…
卷积神经网络|猫狗分类系列--导入kaggle猫狗数据集
解决任何真实问题的重要一步是获取数据，Kaggle提供了大量不同数据科学问题的竞赛。 我们将从
https://www.kaggle.com/competitions/dogs-vs-cats/data
下载猫狗数据集，并对其进行一定的操作，以正确的导入到我们的计算机，为接下…
使用 PyTorch 和 OpenCV 实现简单卷积神经网络（CNN）的过程
使用 PyTorch 和 OpenCV 实现简单卷积神经网络（CNN）的过程，如何构建一个简单的卷积神经网络模型，并通过使用预定义的滤波器对灰度图像进行卷积操作和激活函数处理，最终可视化了卷积层和激活层的输出结果。
1.图像处理…
大数据深度学习卷积神经网络CNN：CNN结构、训练与优化一文全解
文章目录 大数据深度学习卷积神经网络CNN：CNN结构、训练与优化一文全解一、引言1.1 背景和重要性1.2 卷积神经网络概述 二、卷积神经网络层介绍2.1 卷积操作卷积核与特征映射卷积核大小多通道卷积 步长与填充步长填充 空洞卷积（Dilated Convolution&…
【CV】第 3 章：使用 OpenCV 和 CNN 进行面部检测
🔎大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流🔎 📝个人主页－Sonhhxg_柒的博客_CSDN博客 📃 🎁欢迎各位→点赞…
卷积神经网络的卷积层
文章目录卷积核正向传播反向传播参考文献附录卷积核 笔者在学会了如何运用卷积神经网路后，突然有一天萌发了很多问题，为什么要用卷积核？卷积核具体完成了什么工作？带着这些疑问，笔者开始查询资料，其中一段视…
【入门】上了大学，最好了解一点计算机视觉
作者|kaye 编辑|3D视觉开发者社区 作为一个刚入门计算机视觉的小白，简单记录一下这几天看的论文和博客的收获，算是一篇小笔记。
一、定义
计算机视觉技术是指通过计算机来模拟人类视觉观察和分析图像的视觉过程。它要求计算机在人工智能的过程中能够拥…
PyTorch搭建卷积神经网络（ResNet-50网络）进行图像分类实战（附源码和数据集）
需要数据集和源码请点赞关注收藏后评论区留言~~~ 一、实验数据准备
我们使用的是MIT67数据集，这是一个标准的室内场景检测数据集，一个有67个室内场景，每类包括80张训练图片和20张测试图片 读者可通过以下网址下载
但是数据集较大࿰…
第5章 卷积神经网络
系列文章目录
第1章 绪论 第2章 机器学习概述 第3章 线性模型 第4章 前馈神经网络 第5章 卷积神经网络 第6章 循环神经网络 第7章 网络优化与正则化 第8章 注意力机制与外部记忆 第9章 无监督学习 第10章 模型独立的学习方式 第11章 概率图模型 第12章 深度信念网络 第13章 深…
【解析】基于 卷积神经网络CNN 的 cat、dog、panda 分类 || 补充概念：滤波器、局部连接、权值共享、子采样 (汇聚层 || 池化层)
声明：仅学习使用喔~
Don’t judge. Just feel it. o(*￣3￣)o
解析的是上一篇文章（源代码也在里面喔~）：【整合】基于卷积神经网络CNN 的 cat、dog、panda 分类（同时我已经在里面指明 一些必要的 Python库 的版本以及 编译器的环境了）
同时，推荐阅读：建议收藏【整合】…
基于Tensorflow搭建卷积神经网络CNN（水果识别）保姆及级教程
项目介绍
TensorFlow2.X 搭建卷积神经网络（CNN），实现水果识别。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果…
pytorch实战（二）——搭建卷积神经网络（CNN）
笔者以前都是用tensorflow做深度学习，tensorflow系列教程见tensorflow实战——一位安分的码农 后来做目标检测用yolo的时候，发现pytorch真香。yolo系列教程见yolov5实战——一位安分的码农 终于抽出时间系统学习pytorch了，开干！ 此…
【深度学习笔记】CNN网络各种层的FLOPs和参数量paras计算
FLOPs 这里先注意一下FLOPs的写法，不要弄混了： FLOPS(全大写)：是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度，是一个衡量硬件性能的指标。 FLOPs(s小写)：，是floating point operations的缩写（s表复数），意指浮点运算数，理解为…
1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet
1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet
(从AlexNet到ResNet系列)
AlexNet首次亮相是在2012年的ILSVRC大规模视觉识别竞赛上，它将图像分类任务的Top-5错误率降低到15.3%，大幅领先于其他传统方法。AlexNet是首个实用性很强的…
1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet
1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet 前情回顾：1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet VGGNet出现在2014年的ILSVRC上，单个模型就将图像分类任务的Top-5错误率降低到8.0%；如果采用多…
YoloV8改进策略：BackBone改进|ELA
文章目录 摘要1、引言2、相关工作3、方法3.1、重新审视坐标注意力3.1.1、坐标注意力3.1.2、坐标注意力的不足 3.2、高效局部注意力3.3、多个ELA版本设置3.4、可视化3.5、实现 4、实验4.1、实验细节4.2、ImageNet上的图像分类4.3、目标检测4.4、语义分割 5、结论 摘要
https://…
卷积神经网络-池化层
卷积神经网络-池化层 池化层（Pooling Layer）是深度学习神经网络中的一个重要组成部分，通常用于减少特征图的空间尺寸，从而降低模型复杂度和计算量，同时还能增强模型的不变性和鲁棒性。
池化操作通常在卷积神经网络&am…
一文弄懂FFN/RNN/CNN参数量计算
1. 引言
为什么我们需要了解计算深度学习模型中的参数数量？我们一般情况下是不需要这么做的。但是，如果我们需要减小模型的大小，甚至缩短模型推理所需的时间，那么了解模型量化前后的参数数量就会派上用场。
计算深度学习模型中的…
【神经网络】卷积神经网络CNN
卷积神经网络
欢迎访问Blog全部目录！ 文章目录 卷积神经网络1. 神经网络概览2.CNN（Convolutional Neunal Network）2.1.学习链接2.2.CNN结构2.2.1.基本结构2.2.1.1输入层2.2.1.2.卷积层|Convolution Layers2.2.1.3.池化层|Pooling layers2.3…
【Pytorch】计算机视觉项目——卷积神经网络CNN模型识别图像分类
目录 一、前言二、CNN可视化解释器1. 卷积层工作原理 三、详细步骤说明1. 数据集准备2.DataLoader3. 搭建模型CNN3.1 设置设备3.2 搭建CNN模型3.3 设置loss 和 optimizer3.4 训练和测试循环 4. 模型评估和结果输出 一、前言
在上一篇笔记《【Pytorch】整体工作流程代码详解&am…
CNN文本分类（tensorflow实现）
前言
实现步骤 1.安装tensorflow2.导入所需要的tensorflow库和其它相关模块3.设置随机种子4.定义模型相关超参数5.加载需要的数据集6.对加载的文本内容进行填充和截断7.构建自己模型8.训练构建的模型9.评估完成的模型 CNN（卷积神经网络）在文本分类任务中…
论文阅读：2017MobileNet V1谷歌轻量化卷积神经网络
拓展：贾扬清：深度学习框架caffe（Convolutional Architecture for Fast Feature Embedding）
主要贡献：
深度可分离卷积（Depthwise separable convolution）逐点卷积（Pointwise convo…
经典语义分割(一)利用pytorch复现全卷积神经网络FCN
经典语义分割(一)利用pytorch复现全卷积神经网络FCN
这里选择B站up主[霹雳吧啦Wz]根据pytorch官方torchvision模块中实现的FCN源码。
Github连接：FCN源码
1 FCN模型搭建
1.1 FCN网络图
pytorch官方实现的FCN网络图，如下所示。
1.2 backbone
FCN原…
Python图像处理【21】基于卷积神经网络增强微光图像
基于卷积神经网络增强微光图像 0. 前言1. MBLLEN 网络架构2. 增强微光图像小结系列链接 0. 前言
在本节中，我们将学习如何基于预训练的深度学习模型执行微光/夜间图像增强。由于难以同时处理包括亮度、对比度、伪影和噪声在内的所有因素，因此微光图像增…
《PyTorch深度学习实践》第十一讲卷积神经网络进阶
一、 1、卷积核超参数选择困难，自动找到卷积的最佳组合。
2、1x1卷积核，不同通道的信息融合。使用1x1卷积核虽然参数量增加了，但是能够显著的降低计算量(operations)
3、Inception Moudel由4个分支组成，要分清哪些是在Init里定义…
【论文精读】Mask R-CNN
摘要 基于Faster RCNN，做出如下改变：
添加了用于预测每个感兴趣区域(RoI)上的分割掩码分支，与用于分类和边界框回归的分支并行。mask分支是一个应用于每个RoI的FCN，以像素到像素的方式预测分割掩码，只增加了很小的计…
贝叶斯优化CNN-GRU回归预测（matlab代码）
贝叶斯优化CNN-GRU回归预测matlab代码
贝叶斯优化方法则采用贝叶斯思想，通过不断探索各种参数组合的结果，根据已有信息计算期望值，并选择期望值最大的组合作为最佳策略，从而在尽可能少的实验次数下达到最优解。
数据为Excel股票…
28 批量归一化【李沐动手学深度学习v2课程笔记】（备注：这一节讲的很迷惑，很乱）
目录 1.批量归一化
1.1训练神经网络时出现的挑战
1.2核心思想
1.3原理
2.批量规范化层
2.1 全连接层
2.2 卷积层
2.3 总结
3. 代码实现
4. 使用批量规范化层的LeNet
5. 简明实现 1.批量归一化
现在主流的卷积神经网络几乎都使用了批量归一化 批量归一化是一种流行且…
SSF-CNN：空谱融合的简易卷积超分网络
SSF-CNN: SPATIAL AND SPECTRAL FUSION WITH CNN FOR HYPERSPECTRAL IMAGE SUPER-RESOLUTION 文章目录 SSF-CNN: SPATIAL AND SPECTRAL FUSION WITH CNN FOR HYPERSPECTRAL IMAGE SUPER-RESOLUTION简介解决问题网络框架代码实现训练部分运行结果 简介
本文提出了一种利用空…
深度学习——第10章 优化神经网络：如何防止过拟合（DNN）
第10章 优化神经网络：如何防止过拟合（DNN） 目录 10.1 什么是过拟合
10.2 L1、L2正则化
10.3 L2正则化的物理解释
10.4 Dropout正则化
10.5 其它正则化技巧
10.6 总结
上一课，我们一步步搭建了一个深层神经网络来实现图片的分类。结果显示，随着网络层数加深，隐藏层数…
一文总结CNN中【各类卷积】操作
本文详细总结CNN中各类卷积，旨在指导 domain-specific 更好的模型设计，包括标准卷积，分组卷积（Group Conv），深度可分离卷积（Depthwise Separable Conv），转置卷积…
请说一下卷积神经网络里的特征图和感受野怎么计算？VGG网络的特点？如何解释？
请说一下卷积神经网络里的特征图和感受野怎么计算？
特征图的计算
首先要明确什么是特征图？
特征图是卷积层输出的二维数组，每个元素表示一个特定区域的特征。特征图的大小取决于输入图像的大小、卷积核的大小、步幅（stride&…
YOLOV5添加 ECA CA SE CBAM 等八种注意力机制（小白可用）
目录
CBAM注意力机制原理及代码实现
代码实现 yaml文件
修改后的结构图
SE注意力机制
SE结构图
完整代码实现
报错 ⭐欢迎大家订阅我的专栏一起学习⭐
🚀🚀🚀订阅专栏，更新及时查看不迷路🚀🚀&…
【DL经典回顾】激活函数大汇总（九）（Hard Swish ReLU6附代码和详细公式）
激活函数大汇总（九）（Hard Swish & ReLU6附代码和详细公式）
更多激活函数见激活函数大汇总列表
一、引言
欢迎来到我们深入探索神经网络核心组成部分——激活函数的系列博客。在人工智能的世界里，激活函数扮演着…
【目标检测经典算法】R-CNN、Fast R-CNN和Faster R-CNN详解系列一：R-CNN图文详解
学习视频：Faster-RCNN理论合集
概念辨析
在目标检测中，proposals和anchors都是用于生成候选区域的概念，但它们在实现上有些许不同。 Anchors（锚框）： 锚框是在图像中预定义的一组框，它们通常以…
深度学习 精选笔记（13.1）卷积神经网络-LeNet模型
学习参考：
动手学深度学习2.0Deep-Learning-with-TensorFlow-bookpytorchlightning
①如有冒犯、请联系侵删。 ②已写完的笔记文章会不定时一直修订修改(删、改、增)，以达到集多方教程的精华于一文的目的。 ③非常推荐上面（学习参考&#x…
利用卷积神经网络进行人脸识别
利用卷积神经网络（Convolutional Neural Networks, CNNs）进行人脸识别是计算机视觉领域的一个热门话题。下面是一个简化的指南，涵盖了从理论基础到实际应用的各个方面，可以作为你博文的基础内容。
理论基础
卷积神经网络简介&am…
学习AI为啥要掌握高等数学中的线性代数
人工智能为啥要掌握高等数学中的线性代数，这是因为线性代数在人工智能领域扮演着至关重要的角色，其作用体现在以下几个方面：
数据表示： •线性代数中的向量和矩阵是描述和组织数据的重要工具，尤其在机器学习和深度学习…
深度学习-模型转换_所需算力相关
模型转换相关
tensflow转onnx
python -m tf2onnx.convert \--graphdef /root/autodl-tmp/warren/text-detection-ctpn/data/ctpn.pb \--output ./model.onnx --inputs Placeholder:0 --outputs Reshape_2:0，rpn_bbox_pred/Reshape_1:0
pytorch转onnx
#!/usr/…
卷积神经网络|导入图片
在学习卷积神经网络时，我们通常使用的就是公开的数据集，这里，我们不使用公开数据集，直接导入自己的图片数据，下面，就简单写个程序实现批量图片的导入。
import osfrom PIL import Imageimport numpy as np…
第五周：深度学习知识点回顾
前言： 讲真，复习这块我是比较头大的，之前的线代、高数、概率论、西瓜书、樱花书、NG的系列课程、李宏毅李沐等等等等…那可是花了三年学习佳实践下来的，现在一想脑子里就剩下几个名词就觉得废柴一个了，朋友们有没有同感…
基于深度学习的心律异常分类系统设计——算法设计
基于深度学习的心律异常分类系统——算法设计 第一章 研究背景算法流程本文研究内容 第二章 心电信号分类理论基础心电信号产生机理MIT-BIH 心律失常数据库 第三章 心电信号预处理心电信号噪声来源与特点基线漂移工频干扰肌电干扰 心电信号读取与加噪基于小波阈值去噪技术的应用…
【CNN轻量化】RepViT: Revisiting Mobile CNN From ViT Perspective
RepViT: Revisiting Mobile CNN From ViT Perspective
论文链接：https://arxiv.org/abs/2307.09283
代码链接：https://github.com/THU-MIG/RepViT
一、摘要 探究了许多轻量级ViTs和轻量级CNNs之间的结构联系。文中从ViT的视角重新审视轻量级CNNs的高效…
基于PyTorch的视频分类实战
1、数据集下载
官方链接：https://serre-lab.clps.brown.edu/resource/hmdb-a-large-human-motion-database/#Downloads
百度网盘连接：
https://pan.baidu.com/s/1sSn--u_oLvTDjH-BgOAv_Q?pwdxsri
提取码: xsri 官方链接有详细的数据集介绍…
从CNN ,LSTM 到Transformer的综述
前情提要：文本大量参照了以下的博客，本文创作的初衷是为了分享博主自己的学习和理解。对于刚开始接触NLP的同学来说，可以结合唐宇迪老师的B站视频【【NLP精华版教程】强推！不愧是的最完整的NLP教程和学习路线图从原理构成开始学&a…
MFO-CNN-LSTM多输入分类预测|飞蛾扑火算法优化的卷积-长短期神经网络|Matlab
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势： 二、实际运行效果：
三、算法介绍：
四、完整程序下载： 一、程序及算法内容介绍：
基本内容： 本代码基于Matlab平台编译&am…
【毕业设计】深度学习水果识别系统 - python CNN
文章目录1 前言2 开发简介3 识别原理3.1 传统图像识别原理3.2 深度学习水果识别4 数据集5 部分关键代码5.1 处理训练集的数据结构5.2 模型网络结构5.3 训练模型6 识别效果7 最后1 前言
🔥 Hi，大家好，这里是丹成学长的毕设系列文章࿰…
深度强化学习中深度Q网络（Q-Learning+CNN）的讲解以及在Atari游戏中的实战（超详细 附源码）
需要源码请点赞收藏关注后评论区留下QQ~~~ 深度强化学习将深度学习的感知（预测能力）与强化学习的决策能力相结合，利用深度神经网络具有有效识别高维数据的能力，使得强化学习算法在处理高纬度状态空间任务中更加有效
一、DQN算法简…
【计算机视觉+CNN】keras+ResNet残差网络实现图像识别分类实战（附源码和数据集 超详细）
需要源码和数据集请点赞关注收藏后评论区留言私信~~~ 一、深度卷积神经网络模型结构
1：LeNet-5
LeNet-5卷积神经网络首先将输入图像进行了两次卷积与池化操作，然后是两次全连接层操作，最后使用Softmax分类器作为多分类输出，它对…
Visual Commonsense R-CNN 实现和代码
这篇文章比较早，但是对于因果介绍的比较详细，很值得学习。 代码：https://github.com/Wangt-CN/VC-R-CNN 代码花了挺长时间总算跑通了，在 3080 上调真是错误不断，后来换到 2080 又是一顿调才好。这里跑通的主要环境为 u…
DnCNN-matlab版本代码实战前期准备
一、DnCNN-matlab版本代码实战前期准备
（1）DnCNN-matlab版本代码下载 https://download.csdn.net/download/qq_41104871/87457430
（2）DnCNN的灰度图像数据集下载 https://blog.csdn.net/qq_41104871/article/details/129931884
（3）DnCNN的彩色图像数据集下载 https://…
机器学习笔记 - 结合深度学习的基于内容的图像实例检索 综述
一、概述 基于内容的图像检索（CBIR）——这是一个建立已久的研究领域，需要提高实时检索的效率和准确性。人工智能在CBIR方面取得了进展，极大地促进了实例搜索过程。在这项调查中，我们回顾了最近基于深度学习算法和技术开发的实例检索工作，调查由深度特征提取、特征嵌入和聚…
用于超大图像的训练策略：Patch Gradient Descent
前言 本文旨在计算和内存限制的情况下，解决在大规模图像上训练现有CNN 架构的问题。提出PatchGD，它基于这样的假设：与其一次对整个图像执行基于梯度的更新，不如一次只对图像的一小部分执行模型更新，确保其中的大部分是…
CV——day75 读论文：基于差分特征融合CNN的轨道交通目标检测
Differential feature fusion convolutional neural network基于差分特征融合CNN的轨道交通目标检测I. INTRODUCTIONII. RELATED WORKSIII. NETWORK ARCHITECTUREA. Prior Detection ModuleB. Object-Detection ModuleV. CONCLUSION基于差分特征融合CNN的轨道交通目标检测
基于…
【图像分类】卷积神经网络之LeNet5网络模型结构详解
写在前面： 首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。
1. 前言
LeNet5算法是LeCun在1998年提出的卷积神经网络模型。大约90年代，由于支持向量机等算法的发现，深度学习…
DnCNN-pytorch版本代码测试教程
一、DnCNN-pytorch版本代码下载
（1）DnCNN-pytorch下载 https://download.csdn.net/download/qq_41104871/87457414
二、DnCNN-pytorch版本代码运行环境配置 https://blog.csdn.net/qq_41104871/article/details/130138838
三、DnCNN-pytorch版本代码训练教程 https://blog…
全连接层那些事（Fully Connected Layer）
目录
什么是全连接层？
哪里会用到全连接层
全连接层的作用包括： 什么是全连接层？ 全连接层（Fully Connected Layer），也称为密集连接层（Dense Layer），是深度学习神经网…
FCN(全卷积神经网络)
目录 一、什么是FCN
1、FCN简介
2、核心思想
二、代码实现
1、FCN结构介绍
2、ResNet-18提取图像特征
3、11卷积层将通道数变换为类别个数
4、转置卷积还原输入图像的高和宽
5、初始化转置卷积层
6、读取数据集
7、训练
8、预测
三、总结 一、什么是FCN
1、FCN简介…
复试专业前沿问题问答合集8-1——CNN、Transformer、TensorFlow、GPT
复试专业前沿问题问答合集8-1——CNN、Transformer、TensorFlow、GPT
深度学习中的CNN、Transformer、TensorFlow、GPT大语言模型的原理关系问答：
Transformer与ChatGPT的关系
Transformer 是一种基于自注意力机制的深度学习模型，最初在论文《Attention is All You Need》…
LeNet跟LeNet5详解
1 LeNet结构 主要是为了手写数字识别
具体结构讲解：从图中例子可得
1 先传入一个灰度图像尺寸为1x28x28，通道数为1，尺寸为28x28的灰度图像
2 第一层5x5卷积，经过公式 输入图像尺寸-卷积核尺寸2padding/步长1，&#…
PSO-CNN-SVM，基于PSO粒子群优化算法优化卷积神经网络CNN结合支持向量机SVM数据分类(多特征输入多分类)-附代码
PSO-CNN-SVM，基于PSO粒子群优化算法优化卷积神经网络CNN结合支持向量机SVM数据分类
下面是一个大致的步骤： 数据准备： 准备训练集和测试集数据。对数据进行预处理，包括归一化、标准化等。 设计CNN模型： 设计合适的CNN…
Fast-R-CNN论文笔记
目标检测之Fast R-CNN论文精讲，Fast RCNN_哔哩哔哩_bilibili
一 引言
1.1 R-CNN和SPPNet缺点
😀R-CNN Training is a multi-stage pipeline 多阶段检测器（两阶段和一阶段检测器） 1️⃣首先训练了一个cnn用来提取候选区域的特征…
基于CNN-RNN的动态手势识别系统构建与应用
一、引言 随着人机交互技术的不断发展，动态手势识别成为了近年来的研究热点。动态手势识别技术能够识别和理解人类的手势动作，从而实现更自然、更直观的人机交互。本文旨在构建一种基于CNN-RNN的动态手势识别系统，以提高手势识别的准确性和实…
基于CNN-RNN的动态手势识别系统实现与解析
一、环境配置
为了成功实现基于CNN-RNN的动态手势识别系统，你需要确保你的开发环境已经安装了以下必要的库和工具： Python：推荐使用Python 3.x版本，作为主要的编程语言。TensorFlow：深度学习框架，用于构建…
训练自己的分类数据集
文章目录 1.数据集准备2. 数据集划分3.设计模型进行训练1. 随便乱写的网络2. 借鉴优秀的网络模型（MobileNetV3） 分析：练习： 1.数据集准备
准备你要进行分类的数据集，可以自己拍摄，可以网上进行爬取。
将不…
YOLOv9改进策略：卷积魔改 | SPD-Conv，低分辨率图像和小物体涨点明显
💡💡💡本文改进内容：SPD-Conv由一个空间到深度(SPD)层和一个无卷积步长(Conv)层组成,特别是在处理低分辨率图像和小物体等更困难的任务时。 💡💡💡SPD-Conv在多个数据集验证能够暴力涨点&#x…
多层感知机-----自我神经MLP入门笔记
多层感知机（Multilayer Perceptron, MLP）是一种常见的人工神经网络（Artificial Neural Network, ANN）模型，它由多个人工神经元组成的多层结构。每个神经元都与前一层的所有神经元连接，并且每条连接都有一个…
论文阅读---VITC----Early Convolutions Help Transformers See Better
论文题目：Early Convolutions Help Transformers See Better
早期的卷积网络帮助transformers性能提升
vit 存在不合格的可优化性，它们对优化器的选择很敏感。相反现代卷积神经网络更容易优化。
vit对优化器的选择[40](AdamW [27] vs. SGD)࿰…
[PyTorch][chapter31][卷积]
前言： 卷积神经网络 是 计算机视觉里面应用非常广泛的一个模型。 卷积神经网络 成功案例 人脸识别,指纹识别等应用. 卷积的本质是图像的特征提取， 在冈萨雷士版本《数字图像处理》处理有专门的章节讲解
各种卷积核，在通讯原理里面࿰…
知识推理——CNN模型总结
记录一下我看过的利用CNN实现知识推理的论文。
最后修改时间：2023.05.08
目录
1.ConvE
1.1.解决的问题
1.2.优势
1.3.贡献与创新点
1.4.方法
1.4.1 为什么用二维卷积，而不是一维卷积？
1.4.2.ConvE具体实现 1.ConvE
论文：…
05- 算法解读 R-CNN (目标检测)
要点：
R-CNN可以说是利用深度学习进行目标检测的开山之作。 一 R-CNN算法
R-CNN可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次 在PASCAL VOC的目标检测竞赛中折桂，曾在2010年带领团队获得终身成就奖。
RCNN算法流程可分为4个步…
【CNN】卷积神经网络（LeNet）是什么？如何实现LeNet？
系列文章目录 第一章 深度学习 CNN中的卷积神经网络（LeNet） 目录
系列文章目录
文章目录
前言
一、卷积神经网络（LeNet）是什么？
二、LeNet的网络结构
三、实现LeNet模型
总结 前言
本文主要是介绍卷…
AI：127-基于卷积神经网络的交通拥堵预测
🚀点击这里跳转到本专栏，可查阅专栏顶置最新的指南宝典~
🎉🎊🎉 你的技术旅程将在这里启航！ 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的关键代码，详细讲解供…
代码实现 ResNet 详解
零、ResNet的介绍 ResNet代码（含详细的使用说明）： https://github.com/GarsonWw/resnet-garson.git 当谈到深度学习中的卷积神经网络时，ResNet（Residual Network）是一个备受赞誉且引人注目的架构。ResNet…
机器学习：Pooling层作用及反向传播
CNN网络在反向传播中需要逐层向前求梯度，然而pooling层没有可学习的参数，那它是如何进行反向传播的呢？此外，CNN中为什么要加pooling层，它的作用是什么？
Pooling层
CNN一般采用average pooling或max pooli…
神经网络：卷积神经网络中的BatchNorm
一、BN介绍
1.原理
在机器学习中让输入的数据之间相关性越少越好，最好输入的每个样本都是均值为0方差为1。在输入神经网络之前可以对数据进行处理让数据消除共线性，但是这样的话输入层的激活层看到的是一个分布良好的数据，但是较深的激活层…
基于深度学习的FFDNet图像去噪算法实战准备指南
一、FFDNet图像去噪算法的复现代码下载
1、FFDNet的图像去噪算法的代码分为pytorch版本和matlab版本，下载的链接分别如下：
（1）FFDNet-pytorch下载 https://download.csdn.net/download/qq_41104871/87660045
（2）FFDNet-matlab下载 https://download.csdn.net/downlo…
图像卷积、步长、填充、特征图、多通道卷积、权重共享、感受野、池化
图像卷积、步长、填充、特征图、多通道卷积、权重共享、感受野、池化
卷积神经网络的一些基本概念：图像卷积、步长、填充、特征图、多通道卷积、权重共享、感受野、池化
1.图像卷积、步长、填充 图像卷积：卷积核矩阵在一个原始图像矩阵上 “从上往下、…
CNN文本分类实现文本分类案例解析（附实例源码）
前言 实现步骤1.导入所需的库和模块：2.设置随机种子：3.定义模型超参数：4.加载数据集：5.对文本进行填充和截断：6.构建模型：7.编译模型：8.训练模型：9.评估模型： 完整代码 C…
Convolutional Neural network(卷积神经网络)
目录
Why CNN for Image？
The whole CNN structure Convolution（卷积）
Max Pooling
Flatten CNN in Keras What does CNN learn？
what does filter do
what does neuron do what about output Deep Dream
Application
Pla…
【深度学习】6-4 卷积神经网络 - CNN的实现
CNN的实现 网络的构成是“Convolution - ReLU - Pooling -Affine - ReLU - Affine - Softmax”，我们将它实现为名为 SimpleConvNet的类。 首先来看一下 SimpleConvNet的初始化（init），取下面这些参数。 input_dim——输入数据的维…
Bilinear CNN：细粒度图像分类网络，对Bilinear CNN中矩阵外积的解释。
文章目录 一、Bilinear CNN 的网络结构二、矩阵外积（outer product）2.1 外积的计算方式2.2 外积的作用 三、PyTorch 网络代码实现 细粒度图像分类（fine-grained image recognition）的目的是区分类别的子类，如判别一只狗…
深度学习之卷积神经网络识别图片验证码实战案例（十）
案例背景：程序自动化的爬虫而无需人工介入是我们的最终目标。自动化爬虫避免不了自动登录的问题，在爬取XX数据的过程中，遇到登录图形验证码的识别的问题，那我们该如何攻破这种验证码呢？ 字符验证码图片如下：…
谷歌云计算技术基础架构,谷歌人工智能算法框架
1、如何选择深度学习框架 TensorFlow/Torch/Mxnet/Theano
深度学习目前的应用领域很多，主要是计算机视觉和自然语言处理，以及各种预测等。对于计算机视觉，可以做图像分类、目标检测、视频中的目标检测等，对于自然语言处理&#x…
遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）
我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时…
神经网络新的研究方向是,神经网络最新研究方向
人工神经网络的发展趋势
人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。
人工…
卷积神经网络实例讲解,卷积神经网络应用举例
卷积神经网络 有哪些改进的地方
卷积神经网络的研究的最新进展引发了人们完善立体匹配重建热情。从概念看，基于学习算法能够捕获全局的语义信息，比如基于高光和反射的先验条件，便于得到更加稳健的匹配。
目前已经探求一些两视图立体匹配&am…
论文中文翻译——VulCNN An Image-inspired Scalable Vulnerability Detection System
本论文相关内容
论文下载地址——Web Of Science论文中文翻译——VulCNN An Image-inspired Scalable Vulnerability Detection System 文章目录 本论文相关内容前言VulCNN：一种基于图像的可扩展漏洞检测系统作者信息摘要CCS概念关键词ACM参考格式1 引言2 动机3 方…
PyTorch深度学习中卷积神经网络（CNN）的讲解及图像处理实战（超详细 附源码）
需要源码和图片集请点赞关注收藏后评论区留言私信~~~ 一、卷积神经网络简介
卷积神经网络是深度学习中最常用的一种网络结构，它作为一种深度神经网络结构，擅长处理图像相关的问题，能够将目标图像降维并提取特征，以进行分类识别等…
【深度学习】6-3 卷积神经网络 - 卷积层和池化层的实现
卷积层和池化层的实现 如前所述，CNN 中各层间传递的数据是 4 维数据。所谓 4 维数据，比如数据的形状是 (10, 1, 28, 28)，则它对应 10 个高为 28、长为 28、通道为 1 的数据。用 Python 来实现的话，如下所示
>>> x np.r…
基于卷积神经网络的高光谱图像分类
文章目录 引言1. 基于光谱特征2. 基于空间特征3. 基于空谱特征3.1 空间特征和光谱特征的融合3.2 基于3D-CNN分类 4. 总结 引言
近年来深度学习的技术在计算机视觉领域中大放异彩，使得对多光谱数据分类的研究迅速发展，结合2D-CNN，3D-CNN&…
卷积神经网络尺寸的变化
文章目录卷积神经网络最大的特点就是权值共享，但是具体的输入输出尺寸还是需要记录一下的。# 适用于求宽和高
输出尺寸 （输入尺寸 - filter尺寸 2*padding）/ stride 1;
filter根据kernel_size 走的举个例子 输入图片大小为200200…
学习卷积神经网络（1）
文章目录1 卷积运算详解2 最早的卷积神经网络 LeNet-53 学习 layers.Conv2D1 卷积运算详解 [b,h,w,3] b h表示 行 w表示 列 3表示三个通道，但是在处理数据的过程可能会有16维度或者32维度的等等。
receptive field ——感知域、感知野
partial connected ——局部…
基于深度学习的目标检测的介绍（Introduction to object detection with deep learning）
物体检测的应用已经深入到我们的日常生活中，包括安全、自动车辆系统等。对象检测模型输入视觉效果(图像或视频)，并在每个相应对象周围输出带有标记的版本。这说起来容易做起来难，因为目标检测模型需要考虑复杂的算法和数据集，这些…
【深度学习】6-2 卷积神经网络 - 池化层
池化是缩小高、长方向上的空间的运算。比如下图，将2 x 2的区域集约成1个元素的处理，缩小空间大小
上面的例子是按步幅2进行2x2的Max池化时的处理顺序。“Max池化”是获取最大值的运算，“2 x 2”表示目标区域的大小。从2x2的区域中取出最大的…
深度学习4 -- 卷积神经网络(代码实现篇+付详细流程文件)
引言
本文是使用pytorch对卷积神经网络(Convolutional Neural Network, CNN)的代码实现，作为之前介绍CNN原理的一个代码补充。本文代码相关介绍相对较为详细，也为自己的一个学习过程，有错误的地方欢迎指正。本人介绍CNN原理的链接:CNN原理介…
深度学习笔记1——CNN识别黑白手写数字
文章目录 摘要手写数字数据集（MNIST）卷积神经网络（Convolution Neural Network, CNN）模型架构搭建Softmax函数和CrossEntropy损失函数Adam 优化器 构造数据迭代器训练、验证、测试模型训练结果可视化 摘要
本文将介绍CNN的开山之…
如何用词向量做文本分类（embedding+cnn）
1、数据简介
本文使用的数据集是著名的”20 Newsgroup dataset”。该数据集共有20种新闻文本数据，我们将实现对该数据集的文本分类任务。数据集的说明和下载请参考（http://www.cs.cmu.edu/afs/cs.cmu.edu/project/theo-20/www/data/news20.html…
卷积神经网络CNN之ZF Net网络模型详解（理论篇）
1.背景 2. ZF Net模型结构 3. 改进优缺点
一、背景 ZF Net是用作者的名字命名的，Matthew D.Zeiler 和 Rob Fergus （纽约大学），2013年撰写的论文；
论文原网址https://arxiv.org/abs/1311.2901
论文名：Vis…
目标检测常用模型之R-CNN、Fast R-CNN、Faster R-CNN
文章目录 一、模型分类1. 一阶段目标检测2. 二阶段目标检测 二、常见模型1. R-CNN2. Fast R-CNN3. Faster R-CNN 一、模型分类 2012年卷积神经网络(Convolutional Neural Networks, CNNs)的兴起将目标检测领域推向了新的台阶。基于CNNs的目标检测算法主要有两条技术发展路线&am…
【卷积神经网络】激活函数 | Tanh / Sigmoid / ReLU / Leaky ReLU / ELU / SiLU / GeLU
文章目录一、Tanh二、Sigmoid三、ReLU四、Leaky ReLU五、ELU六、SiLU七、Mish本文主要介绍卷积神经网络中常用的激活函数及其各自的优缺点 最简单的激活函数被称为线性激活，其中没有应用任何转换。 一个仅由线性激活函数组成的网络很容易训练，但不能学习…
卷积神经网络构建（pytorch）
两层简单卷积网络构建：impot torch
from torch import nndata torch.ones(size(10,3,28,28))conv1 nn.Conv2d(3,6,3)在卷积层con1中，三个数字分别代表参数in_channles（输出通道）,out_channles（输入通道）…
【CNN】ShuffleNet系列（V1,V2）
前沿
ShuffleNet v1是由旷视科技在2017年底提出的轻量级可用于移动设备的卷积神经网络。
该网络创新之处在于，使用 group convolution还有channel shuffle，保证网络准确率的同时，大幅度降低了所需的计算资源。
在近期的网络中，…
每天五分钟计算机视觉：如何基于滑动窗口技术完成目标的检测？
汽车检测算法
现在我们想要构建一个汽车检测算法，我们希望输入到算法中一张图片，算法就可以帮助我们检测出这张图片中是否有汽车。
数据集 首先创建一个标签训练集，x是样本，y是标签。我们的训练集最好是被剪切过的图片，剪掉汽车以外的部分，使汽车居于中间位置，就是整张…
基于卷积神经网络的物体检测技术
基于卷积神经网络（Convolutional Neural Networks, CNNs）的物体检测技术是计算机视觉领域的一项重要技术，它能够识别并定位图像中的物体及其位置。物体检测技术在自动驾驶、视频监控、机器人导航、智能医疗诊断等多个领域有着广泛的应用。
基…
基于openKylin与RISC-V的MindSpore AI项目实践
项目目标： 在openKylin系统上安装和配置MindSpore框架。开发一个简单的图像分类模型，并在RISC-V平台上进行训练和推理。根据RISC-V的特性，对MindSpore框架进行必要的优化。 目录
项目目标：
训练模型
编写训练代码，设…
通俗易懂—卷积神经网络进行数字识别的过程
数字识别是指通过计算机程序识别手写数字的过程。在深度学习领域，常用的模型之一是卷积神经网络（Convolutional Neural Network，CNN），它被广泛应用于数字识别任务。下面我将用通俗易懂的语言介绍数字识别过程中各个层的…
Python环境下基于1D-CNN的轴承故障诊断及TSNE特征可视化
1D CNN 处理一维信号具有显著优势，已在很多领域得到初步应用：
心电图监测：将1DCNN应用于心脏病监测，其方法是针对每一个心脏病人的，即对于每个心律失常患者使用该患者特有的训练数据，专门训练出一个紧凑的…
基于深度学习的心律异常分类算法
基于深度学习的心律异常分类系统——算法设计 第一章 研究背景算法流程本文研究内容 第二章 心电信号分类理论基础心电信号产生机理MIT-BIH 心律失常数据库 第三章 心电信号预处理心电信号噪声来源与特点基线漂移工频干扰肌电干扰 心电信号读取与加噪基于小波阈值去噪技术的应用…
Python环境下一种改进盲解卷积算法的旋转机械故障诊断模型
机械设备的状态信号中往往蕴含着大量的设备异常信息。如何从繁多的机械状态信号中提取足够数量、能真实而客观的反映诊断对象状况的信息，是故障诊断成功与否的关键。然而，工业现场中复杂的机械结构和多源耦合声场环境使得传感器接收到的观测信号往往是一…
刘二大人《Pytorch深度学习实践》第十讲卷积神经网络（基础篇）
文章目录卷积神经网络基础卷积层池化层课上代码GPU版本代码卷积神经网络基础 全连接的网络将图片的的本身二维空间结构进行了破坏，而这些空间结构是有用的，因此，要定义新的操作图像的计算节点，因此引入了卷积神经网络，…
TensorFlow详解3举个cnn卷积栗子
一、实现简单的cnn卷积神经网络
实现简单的cnn卷积神经网络（用到的是MNIST手写数字的数据库yann.lecun.com/exdb/mnist） 用到激活函数：
二、步骤
输入端是28281这样的一张图片，就是一张黑白的图片（假如他是一张彩色…
深度学习之卷积神经网络0基础入门学习教程——浅层深度学习（全网最详细，不详细你打我）（看不懂你打我）（对小白没用你打我）
作为一个双非学校的人工智能硕士研究生，我在深度学习入门之初，学校里没人带，只能靠自己一点一点的摸索，走了很多弯路，因为自己并不懂得从哪里入手，从吴恩达的课到李沐的课等等无数种课，无数种书…
基于深度学习的SRGAN图像超分辨率实战准备指南
一、SRGAN图像超分辨率复现代码下载
1、SRGAN图像超分辨率代码分为keras版本，tensorflow版本和pytorch版本，下载的链接分别如下：
（1）SRGAN-keras下载 https://download.csdn.net/download/qq_41104871/87389230
&am…
快速上手Pytorch实现BERT，以及BERT后接CNN/LSTM
快速上手Pytorch实现BERT，以及BERT后接CNN/LSTM
本项目采用HuggingFace提供的工具实现BERT模型案例，并在BERT后接CNN、LSTM等 HuggingFace官网
一、实现BERT（后接线性层）
1.引用案例源码：
from transformers impo…
深度学习实战项目(一)-基于cnn和opencv的车牌号识别
深度学习实战项目(一)-基于cnn和opencv的车牌号识别
网上大部分是关于tensorflow，使用pytorch的比较少，本文也在之前大佬写的代码的基础上，进行了数据集的完善，和代码的优化，效果可比之前好一点。
数据集
数据集来自…
一、CNNs网络架构-基础网络架构
目录 1.LeNet
2.AlexNet
2.1 激活函数：ReLU
2.2 随机失活：Droupout
2.3 数据扩充：Data augmentation
2.4 局部响应归一化：LRN
2.5 多GPU训练
2.6 论文
3.ZFNet
3.1 网络架构
3.2 反卷积
3.3 卷积可视化
3.4 ZFNet改…
![[PyTorch][chapter 36][经典卷积神经网络-1 ]](https://img-blog.csdnimg.cn/4002b385d3834ee9b8c9d8cadacfcecb.png)
[PyTorch][chapter 36][经典卷积神经网络-1 ]
前言： ILSVRC（ImageNet Large Scale Visual Recognition Challenge）是近年来机器视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平。
ImageNet数据集是ILSVRC竞赛使用的是数据集，由斯坦福大学李…
【CS231n winter2016 Lecture 7 （Convolutional Neural Network）】
讲的贼特么好！！lecture6主要讲的是一般的NN的一些technique/trick
本讲关于CNN的基本知识讲得很清晰，不过先前自己已经有了一些学习。但是有一些细节讲的很好，比如说:
为什么filter的大小一般是3x3/5x5/7x7这样的奇数大小&#…
kaggle 入门系列翻译（一） minst手写数据集
最近在学习kaggle相关，顺便翻译一下kaggle比赛中大牛的kernel吧，同时加强自己的理解，但愿能坚持下去吧。。
第一次就以minst 数字认真比赛开始吧：
精力有限，每一场比赛只能翻译打星最多的kernel：
本次的…
图解CNN中的卷积（卷积运算、池化、Padding、多通道的卷积）
文章目录 卷积操作池化Padding对多通道（channels）图片的卷积套上激活函数是什么样的参考： 卷积层是深度学习神经网络中经常使用的一种层。它通过卷积运算来提取输入的特征，常用于图像、语音等信号处理任务中。
卷积层有以下几个参…
keras深度学习框架通过卷积神经网络cnn实现手写数字识别
昨天通过keras构建简单神经网络实现手写数字识别，结果在最后进行我们自己的手写数字识别的时候，准确率堪忧，只有60%。今天通过卷积神经网络来实现手写数字识别。 构建卷积神经网络和简单神经网络思路类似，只不过这里加入了卷积、池…
keras深度学习框架构建LeNet5神经网络模型实现手写数字识别
之前两篇文章分别通过keras深度学习框架构建简单神经网络和卷积神经网络实现过手写数字识别实验。这篇文章分享我根据LeNet5模型构建的卷积神经网络来实现手写数字识别。 这个实验是根据LeNet5模型构建卷积神经网络，LeNet5模型的原理图如下所示： 相信大家…
机器学习基础17-基于波士顿房价（Boston House Price）数据集训练模型的整个过程讲解
机器学习是一项经验技能，实践是掌握机器学习、提高利用机器学习 解决问题的能力的有效方法之一。那么如何通过机器学习来解决问题呢？ 本节将通过一个实例来一步一步地介绍一个回归问题。 本章主要介绍以下内容：
如何端到端地完成一个回归问题…
YOLOV5/YOLOV7/YOLOV8改进：用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏，包含大量的改进方式，主要以2023年的最新文章和2022年的文章提出改进方式。 2.提供更加详细的改进方法，如将注意力机制添加到网络的不同位置，便于做实验，也可以当做论文的创新点。
3.涨点效果：SPD-Conv提升小目标识别,实现有效…
![“AI Earth”人工智能创新挑战赛：助力精准气象和海洋预测Baseline[2]：数据探索性分析（温度风场可视化）、CNN+LSTM模型建模](https://img-blog.csdnimg.cn/d553c7dadca54bdb82a3a234befb74d8.png#pic_center)
“AI Earth”人工智能创新挑战赛：助力精准气象和海洋预测Baseline[2]：数据探索性分析（温度风场可视化）、CNN+LSTM模型建模
【机器学习入门与实践】入门必看系列，含数据挖掘项目实战：模型融合、特征优化、特征降维、探索性分析等，实战带你掌握机器学习数据挖掘 专栏详细介绍：【机器学习入门与实践】合集入门必看系列，含数据挖掘项目实战：数据融合、特征优化、特征降维、探索性分析等，实战带你掌…
【ARIMA-WOA-CNN-LSTM】合差分自回归移动平均方法-鲸鱼优化-卷积神经网络-长短期记忆神经网络研究（Python代码实现）
💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭&a…
《PyTorch深度学习实践》第十讲 卷积神经网络（基础篇 + 高级篇）
b站刘二大人《PyTorch深度学习实践》课程第十讲卷积神经网络（基础篇 高级篇）笔记与代码： https://www.bilibili.com/video/BV1Y7411d7Ys?p10&vd_sourceb17f113d28933824d753a0915d5e3a90 https://www.bilibili.com/video/BV1Y7411d7Ys?…
清华青年AI自强作业hw5：基于CNN实现CIFAR10分类任务
清华青年AI自强作业hw5：基于CNN实现CIFAR10分类任务 简述作业实现遇到的问题相关链接 一起学AI系列博客：目录索引 简述 hw5作业为利用深度卷积神经网络实现CIFAR_10数据集十分类问题，帮助理解CNN的前向传播结构。
CIFAR-10是一个常用的彩色图…
卷积神经网络的运算流程,卷积神经网络通俗理解
卷积神经网络算法是什么？
一维构筑、二维构筑、全卷积构筑。
卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习&a…
神经网络训练样本的标签,训练图像识别神经网络
和神经网络有关，labelimg图片标注生成了xml文件，.xml里面记录了什么？希望有大神解答，感激不尽
。
首先说下打开方法：选择用IE打开或者notepad，然后里面从上到下分别记录了：1（folde…
手写数字识别Python+TensorFlow+CNN卷积神经网络【完整代码系统】
一、介绍
手写数字识别系统，使用Python语言，基于TensorFlow搭建CNN卷积神经网络算法对数据集进行训练，最后得到模型，并基于FLask搭建网页端界面，基于Pyqt5搭建桌面端可视化界面。
二、效果展示 三、演示视频完整代码…
![[Deep Learning 译文] LeCun、Bengio和Hinton三大牛的联合综述（下）](http://img.ptcms.csdn.net/article/201506/01/556c21930765c_middle.jpg?_=36123)
[Deep Learning 译文] LeCun、Bengio和Hinton三大牛的联合综述（下）
【翻译】本文为该综述文章中文译文的下半部分，详细介绍了CNN、分布式特征表示、RNN及其不同的应用，并对深度学习技术的未来发展进行展望。接上文：[Deep Learning 译文] LeCun、Bengio和Hinton三大牛的联合综述（上）卷积…
初学tensorflow
本篇文章主要用来讲解tensorflow的一些重要的特点，同时最后会以最经典的mnist数据集来进行实践和代码讲解，里面除了训练模型，还将包括保存模型和加载模型。一、要点 1、tf是一种符号式语言。程序的符号（或称算子）必须放…
四、卷积神经网络整体基础结构
一、计算机发展应用
神经网络主要用于特征提取 卷积神经网络主要应用在图像领域，解决传统神经网络出现的过拟合、权重太多等风险
1，CV领域的发展
Computer vision计算机视觉的发展在2012年出现的AlexNet开始之后得到了挽救 之前都是一些传统的机器学习…
DeepLabV3+--训练自己的数据集
训练集-测试集-验证集
(23条消息) 训练集，验证集，测试集分别是什么_训练集验证集测试集_又决定放弃的博客-CSDN博客
(23条消息) 【深度学习】训练集、测试集和验证集_训练集测试集验证集_莫克_Cheney的博客-CSDN博客
训练集（Training Set&…
[网络安全提高篇] 一二三.恶意样本分类之基于API序列和深度学习的恶意家族分类详解
终于忙完初稿，开心地写一篇博客。 “网络安全提高班”新的100篇文章即将开启，包括Web渗透、内网渗透、靶场搭建、CVE复现、攻击溯源、实战及CTF总结，它将更加聚焦，更加深入，也是作者的慢慢成长史。换专业确实挺难的，Web渗透也是块硬骨头，但我也试试，看看自己未来四年究…
卷积神经网络CNN-最细致的入门教学
不少小伙伴们总是直接找网上的代码就直接使用，其原理一点都不懂，然后洋洋得意啥都会。然后别人一问为什么，啥也不知。 我们今天仅从简单的mnist手写数字开始练练手，网络也使用最简单的LeNet网络结构。
首先是0这个数，2828像素的尺寸，是单层像素的灰度图。 这里用opencv…
基于VGG-Face的年龄估计（论文总结与代码解释）
目录
1.本文改进
2.模型结构
3.训练模型
4.预测数据
5.实验结果
6.模型比较
7.结论分析
8.数据集分析
9.完整代码 1.本文改进
本文主要是使用VGG-Face模型（卷积层不变，改变全连接层）在Adience数据库上进行年龄估计。 在深度神经…
caffe实现深度可分离卷积Depthwise Convolution
1、深度可分离卷积的原理(Depthwise Separable Convolution) 深度可分离卷积由两个过程组成：depthwise convolution和pointwise convolution(即1x1 convolution)。 不妨假设输入图像的高度和宽度相同，对于M个高度和宽度都为F 的输入特征图，先…
tensorflow实战2：实现mnist 单层cnn分类
1、数据处理
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_datanp.random.seed(20160703)
tf.set_random_seed(20160703)
mnist input_data.read_data_sets("/tmp/data/",…
B站学习卷积神经网络基础
学习卷积神经网络基础 卷积神经网络的介绍按照 卷积神经网络，全连接层，卷积层，池化层进行介绍 卷积神经网络CNN（Convolution Neural Network）
卷积神经网络发展历史
Rumelhart和Hinton等人提出了反向传播（…
深度学习：使用卷积神经网络CNN实现MNIST手写数字识别
引言
本项目基于pytorch构建了一个深度学习神经网络，网络包含卷积层、池化层、全连接层，通过此网络实现对MINST数据集手写数字的识别，通过本项目代码，从原理上理解手写数字识别的全过程，包括反向传播，梯度…
动手学习卷积神经网络（CNN）（一）---卷积运算
卷积神经网络可以直接从原始数据中学习其特征表示并完成最终任务，可以说卷积网络是“端”到“端”的思想，在整个学习流程中并进行认为的子问题划分，而是交给深度学习模型直接学得从原始输入到期望输出得映射。
卷积神经网络是包含卷积层&…
卷积神经网络实现彩色图像分类 - P2
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍦 参考文章：365天深度学习训练营-第P2周：彩色识别🍖 原作者：K同学啊 | 接辅导、项目定制🚀 文章来源：K同学的学习圈子…
基于深度学习的3D城市模型增强【Mask R-CNN】
在这篇文章中，我们描述了一个为阿姆斯特丹 3D 城市模型自动添加门窗的系统（可以在这里访问）。 计算机视觉用于从城市全景图像中提取有关门窗位置的信息。 由于这种类型的街道级图像广泛可用，因此该方法可用于较大的地理区域。 推荐…
第57步 深度学习图像识别：CNN可视化（Pytorch）
基于WIN10的64位系统演示
一、写在前面
由于不少模型使用的是Pytorch，因此这一期补上基于Pytorch实现CNN可视化的教程和代码，以SqueezeNet模型为例。
二、CNN可视化实战
继续使用胸片的数据集：肺结核病人和健康人的胸片的识别。其中&…
基于 Mask R-CNN 的实例分割：从零开始构建一个强大的分割模型
在本文中，我们将介绍如何使用 Mask R-CNN（Region-based Convolutional Networks with Masks）实现实例分割。实例分割是计算机视觉中的一种任务，旨在识别并分割图像中的各个对象。我们将讨论如何准备数据集、配置 Mask R-CNN 模型并…
P13-CNN学习1.3-ResNet(神之一手~)
论文地址:CVPR 2016 Open Access Repository
https://arxiv.org/pdf/1512.03385.pdf Abstract 翻译 深层的神经网络越来越难以训练。我们提供了一个残差学习框架用来训练那些非常深的神经网络。我们重新定义了网络的学习方式，让网络可以直接学习输入信息与输出信息…
计算机视觉：多通道卷积操作
本文重点
前面我们学习了对灰度图的卷积操作（二维图像），本节课程我们学习RGB 彩色图像的卷积操作（三维立体）也就是说现在我们不仅想检测灰度图像的特征，也想检测 RGB 彩色图像的特征。
彩色图片的表示方法
彩色图片通常使用RGB（Red、Green、Blue）三个颜色通道来表示…
![[高光谱]PyTorch使用CNN对高光谱图像进行分类](https://img-blog.csdnimg.cn/6fabcdf2ad2e4adf8fa7a8c7a9f0eb9f.png)
[高光谱]PyTorch使用CNN对高光谱图像进行分类
项目原地址：
Hyperspectral-Classificationhttps://github.com/eecn/Hyperspectral-ClassificationDataLoader讲解：
[高光谱]使用PyTorch的dataloader加载高光谱数据https://blog.csdn.net/weixin_37878740/article/details/130929358
一、模型加载 在…
CNN卷积详解（三）
一、卷积层的计算
4 ∗ * ∗ 4的输入矩阵 I I I 和 3 ∗ * ∗ 3 的卷积核 K K K:
在步长（stride）为 1 时，输出的大小为 ( 4 − 3 1 ) ( 4 − 3 1)
计算公式： ● 输入图片矩阵 I I I 大小： w w w w ww ●…
Tensorflow（五）使用CNN对MNIST数据集进行分类
在tensorflow（二）中对MNIST数据集进行分类使用单层神经网络，梯度下降法以0.2的学习因子迭代了100次取得了92%的准确率，这个网络很简单，使用较大的学习因子也不会出现梯度爆炸或者梯度消失的情况，但是在复杂…
Tensorflow（三）训练一个简单卷积神经网络
这是吴恩达老师第四课第一周的编程练习，题目是分析图片中手势得到手所表示的数字。
数据集我传到github上，可以下载https://github.com/penguin219/WU_Lesson4_week1
特别要注意的是，如果你使用的是新版本的tensorflow，很有可能…
CNN学习笔记（1）
1、网络的结构 网络的一般结构为： INPUT -> [[CONV -> RELU]*N -> POOL?]*M -> [FC -> RELU]*K -> FC INPUT：输入 CONV：卷积层 RELU：激活函数 POOL：池化层，这里的问号表示该层是可选的 …
Tersorflow深度学习入门—— CIFAR-10 训练示例报错及解决方案
前言：相关环境搭建 TF（tensorflow）安装之python tensorflow 之 bazel安装 & 使用 Python的库sklearn安装 & bazel安装 & cmake GBDT安装（xgboost LightGBM） GBDT 之 Boosting方法 linux export 环境…
卷积神经网络全解！CNN结构、训练与优化全维度介绍！
目录 一、引言1.1 背景和重要性1.2 卷积神经网络概述 二、卷积神经网络层介绍2.1 卷积操作卷积核与特征映射卷积核大小多通道卷积 步长与填充步长填充 空洞卷积（Dilated Convolution）分组卷积（Grouped Convolution） 2.2 激活函数R…
【图像分类】理论篇（2）经典卷积神经网络 Lenet~Resenet
目录
1、卷积运算
2、经典卷积神经网络
2.1 Lenet
网络构架
代码实现
2.2 Alexnet
网络构架
代码实现
2.3 VGG
VGG16网络构架
代码实现
2.4 ResNet
ResNet50网络构架
代码实现 1、卷积运算 在二维卷积运算中，卷积窗口从输入张量的左上角开始ÿ…
卷积神经网络CNN简易教程（附赠人工智能资料包）
让我们来了解一下我们的大脑是如何识别图像的
根据诺贝尔奖获得者Hubel和Wiesel教授的说法，视觉区域V1由简单细胞和复杂细胞组成。简单的单元有助于特征检测，而复杂的单元则结合了来自小空间邻域的多个这样的局部特征。空间池有助于实现平移不变特征。…
深度学习入门（三）：卷积神经网络（CNN）
引入
给定一张图片，计算机需要模型判断图里的东西是什么？ （car、truck、airplane、ship、horse）
一、卷积神经网络整体架构
CONV：卷积计算层，线性乘积求和RELU：激励层，激活函数P…
开悟Optimization guide for intermediate tracks
目录 认识模型
参考方案（按模块拆解） 认识模型
模型控制1名英雄进行镜像1 v 1对战
Actor集群资源为64核CPU
问题特点：单一公平对抗场景（同英雄镜像对赛），单位时间样本产能低，累计训练资源相…
在 Python 中构建卷积神经网络； 从 0 到 9 的手绘数字的灰度图像预测数字
一、说明 为了预测从0到9的数字，我选择了一个基于著名的Kaggle的MNIST数据集的数据集。数据集包含从 <0> 到 <9> 的手绘图数字的灰度图像。在本文中，我将根据像素数据（即数值数据）和卷积神经网络预测数字。 二、 卷积…
PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用
我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时…
【MATLAB第47期】基于MATLAB的多卷积层的卷积神经网络MCNN分类预测模型，含交叉验证，可自定义层数
【MATLAB第47期】基于MATLAB的多卷积层的卷积神经网络MCNN分类预测模型，含交叉验证，可自定义层数
一、展示效果
依次对比卷积层数为1/2/3时的分类预测结果 可得出，随着卷积层数量增加，训练集/测试集正确率基本上得到改进。
1.一…
pytorch-构建卷积神经网络
构建卷积神经网络
卷积网络中的输入和层与传统神经网络有些区别，需重新设计，训练模块基本一致 import torch
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
from torchvision import datasets,transforms
impor…
YOLO物体检测系列3：YOLOV3改进解读
🎈🎈🎈YOLO 系列教程 总目录
YOLOV1整体解读 YOLOV2整体解读
YOLOV3提出论文：《Yolov3: An incremental improvement》
1、YOLOV3改进
这张图讲道理真的过分了！！！我不是针对谁，在…
【深度学习】卷积神经网络（LeNet）
卷积神经网络 LeNet 前言LeNet 模型代码实现MINST代码分块解析1 构建 LeNet 网络结构2 加载数据集3 初始化模型和优化器4 训练模型5 训练完成 完整代码 Fashion-MINST代码分块解析1 构建 LeNet 网络结构2 初始化模型参数3 加载数据集4 定义损失函数和优化器5 训练模型 完整代码…
Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection
1. Motivation
point-base方法虽然识别率较高但是耗时过长;voxel-base方法虽然耗时较短但是识别率较差.经过相关实验可以知道原始点的精确定位并不是必要的，更粗的体素粒度也可以为该任务提供足够的空间上下文线索；voxel-base 方法将3D特征结构转换为BE…
十 动手学深度学习v2 ——卷积神经网络之NiN + GoogLeNet
文章目录 网络中的网络（NiN）InceptionGoogLeNet总结： 网络中的网络（NiN）
NiN块使用卷积层加两个1x1卷积层 后者对每个像素增加了非线性性 NiN使用全局平均池化层来替代VGG和AlexNet中的全连接层 不容易过拟合…
构建模型三要素与权重初始化
1、模型三要素
三要素其实很简单：
必须要继承nn.Module这个类，要让PyTorch知道这个类是一个Module。在__init__(self)中设置好需要的组件，比如conv,pooling,Linear,BatchNorm等等。最后在forward(self,x)中用定义好的组件进行组装ÿ…
Monodepth2网络论文解析即训练总结
1. 亮点
最小重投影loss-处理遮挡问题全分辨率多尺度采样-减少视觉伪影auto-masking loss-忽略违反相机运动假设的像素
2. loss
2.1 重投影误差 def compute_reprojection_loss(self, pred, target):"""Computes reprojection loss between a batch of predi…
【深度学习-第3篇】使用MATLAB快速实现CNN分类（模式识别）任务，含一维、二维、三维数据演示案例
在本文中，我们将介绍如何使用 MATLAB 中的 Convolutional Neural Network（CNN）进行分类任务。我们将使用 MATLAB 的 Deep Learning Toolbox 来创建、训练和评估 CNN。
一、一个简单的案例
1 安装和准备
首先，确保已安装 MATLAB…
在cirfa10数据集上实现一个文艺复兴期间的CNN网络VGG
在cirfa10数据集上实现一个文艺复兴期间的CNN网络VGG 🙋♂️ 张同学，zhangruiyuanzju.edu.cn 有问题请联系我~ 这里是目录呀~在cirfa10数据集上实现一个文艺复兴期间的CNN网络VGG〇、背景介绍一、只使用torch.nn.XXX来构建网络结构二、使用Pytorch官方…
股票价格预测 | Python实现基于CNN卷积神经网络的股票预测模型（keras，Conv1D）
文章目录 效果一览文章概述源码设计参考资料效果一览 文章概述
股票价格预测 | Python实现基于CNN卷积神经网络的股票预测模型（keras）
源码设计
import quandl
import datetimedf = quandl
总结 CNN 模型：将焦点转移到基于注意力的架构
一、说明 在计算机视觉时代，卷积神经网络（CNN）几十年来一直是主导范式。直到 2021 年 Vision Transformers (ViTs) 出现，这个领域才开始发生变化。现在，是时候采用受 Transformer 架构启发的基于注意力的模型了&#x…
卷积、卷积图像操作和卷积神经网络
好多内容直接看书确实很难坚持，就比如这个卷积，书上的一大堆公式和图表直接把人劝退，我觉得一般的学习流程应该是自顶向下，先整体后局部，先把握大概再推敲细节的，上来就事无巨细地展示对初学者来说很痛苦。…
卷积神经网络（CNN）天气识别
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3. 查看数据 二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集 三、构建CNN网络四、编译五、训练模型六、模型评估 前期工作
1. 设置GP…
Linux服务器上Anaconda安装各种机器学习包，如Pytorch
1.创建虚拟环境
conda create -n py37 python3.7py37是你创建的虚拟环境的名字。 2.激活环境
conda activate py373.在虚拟环境中安装包
conda install pytorch torchvision torchaudio cudatoolkit10.2 -c pytorch4.安装成功
【图像分类】CNN + Transformer 结合系列.4
介绍两篇利用Transformer做图像分类的论文：CoAtNet（NeurIPS2021），ConvMixer（ICLR2022）。CoAtNet结合CNN和Transformer的优点进行改进，ConvMixer则patch的角度来说明划分patch有助于分类。 CoAtN…
YOLOv8“炼丹“之扑克牌识别
最近沉迷炼丹， 效果图：
框架Ultralytics YOLOv8
来自GitHub的介绍： Ultralytics YOLOv8 is a cutting-edge, state-of-the-art (SOTA) model that builds upon the success of previous YOLO versions and introduces new features and improvements to further boost pe…
PyTorch深度学习实战（11）——卷积神经网络
PyTorch深度学习实战（11）——卷积神经网络 0. 前言1. 全连接网络的缺陷2. 卷积神经网络基本组件2.1 卷积2.2 步幅和填充2.3 池化2.3 卷积神经网络完整流程 3. 卷积和池化相比全连接网络的优势4. 使用 PyTorch 构建卷积神经网络4.1 使用 PyTorch 构建 CNN…
基于卷积神经网络的法线贴图生成器
在本文中，我们将学习如何训练卷积神经网络从彩色图像生成法线贴图。 推荐：用 NSDT编辑器 快速搭建可编程3D场景 1、数据和工具
我们正着手训练神经网络从彩色图像生成法线贴图。 我们将以“成对”的方式做到这一点。 这意味着我们将显示相应图像的网络对…
使用VHDL语言实现简单的卷积神经网络
下面使用VHDL编写一个完整的卷积神经网络（CNN）是一项非常复杂且耗时的任务，需要详细的设计和实现过程。在这里，我将提供一个简化版本的示例，展示如何使用VHDL实现一个基本的卷积层。
首先，我们需要定义一些参数来描述卷积层的结构和操作。在这个示例中，我们假设输入图像…
卷积神经网络CNN基础知识
目录 1 前言2 卷积神经网络CNN2.1 LeNet-5相关介绍2.2 CNN基本结构2.2.1 卷积层2.2.2 池化层（下采样层）2.2.3 全连接层2.2.3.1激励层（非线性激活）2.2.3.2 线性层2.2.3.3 Dropout层2.2.3.4 总结 2.3 图像的上采样和下采样2.3.1 上采…
从基础到卷积神经网络（第13天）
1. PyTorch 神经网络基础
1.1 模型构造
1. 块和层
首先，回顾一下多层感知机
import torch
from torch import nn
from torch.nn import functional as Fnet nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10))X torch.rand(2, 20) # 生成随机…
港科大提出适用于夜间场景语义分割的无监督域自适应新方法
跟大家分享港科大提出的无监督域自适应夜间场景语义分割方法，该方法对夜间的动态目标和小目标做了针对性的优化。 论文标题：Towards Dynamic and Small Objects Refinement for Unsupervised Domain Adaptative Nighttime Semantic Segmentation机构&…
mask-R-CNN
前言
代码 论文
# Mask-rcnn 算法在 torch vision 中有直接实现，可以直接引用使用在自己的工作中。
import torchvision
model torchvision.models.detection.maskrcnn_resnet50_fpn(weightsMaskRCNN_ResNet50_FPN_Weights.DEFAULT)Mask R-CNN（Mask R…
2022最新版-李宏毅机器学习深度学习课程-P22 卷积神经网络CNN
零、吴恩达专项课程引入
概念导入：边缘检测
假如有一张如下的图像，想让计算机搞清楚图像上有什么物体，有两种方法：检测图像的 垂直边缘 和 水平边缘。 如下图所示，一个 6 * 6 的灰度图像，构造一个 3 * 3 …
C-Net：用于乳腺超声图像分割的具有全局指导和细化残差的级联卷积神经网络
C-Net 期刊分析摘要贡献方法整体框架1. Bidirectional attention guidance network (BAGNet)2. Refinement residual network (RFNet) 实验1. 对比实验2. 消融实验 可借鉴参考 期刊分析
期刊名： Computer Methods and Programs in Biomedicine 期刊信息：…
使用目标之间的先验关系提升目标检测器性能
今天跟大家分享阿姆斯特丹大学等提出的用于提升目标检测和实例分割性能的新方法RP-FEM，该方法将目标之间位置的先验关系融入到feature中。 论文标题：Relational Prior Knowledge Graphs for Detection and Instance Segmentation机构：阿姆斯特…
卷积神经网络CNN学习笔记
目录 1.全连接层存在的问题2.卷积运算3.填充(padding)3.1填充(padding)的意义 4.步幅(stride)5.三维数据的卷积运算6.结合方块思考7.批处理8.conv2d代码参考文章 1.全连接层存在的问题
在全连接层中，相邻层的神经元全部连接在一起，输出的数量可以任意决…
【深度学习-第4篇】使用MATLAB快速实现CNN多变量回归预测
上一篇我们讲了使用CNN进行分类的MATLAB代码。
这一篇我们讲CNN的多变量回归预测。
是的，同样是傻瓜式的快速实现。
一、什么是多变量回归预测
多变量回归预测则是指同时考虑多个输入特征进行回归预测。举几个例子：
房价预测：给定一组房…
【ICLR23论文】Can CNNs Be More Robust Than Transformers?
文章目录 0 Abstract1 Introduction2 Related Works3 Settings3.1 CNN Block Instantiations3.2 Computational Cost3.3 Robustness Benchmarks3.4 Training Recipe3.5 Baseline Results 4 Component Diagnosis4.1 Patchief Stem4.2 Large Kernel Size4.3 Reducing Activation …
RGB-T Salient Object Detection via Fusing Multi-Level CNN Features
ADFC means ‘adjacent-depth feature combination’，MGF means ‘multi-branch group fusion’，JCSA means ‘joint channel-spatial attention’，JABMP means ‘joint attention guided bi-directional message passing’ 作者未提供代…
YOLOv8改进之C2f模块融合CVPR2023 SCConv
目录 1. SCConv SCConv模块的设计
SCConv模块的性能 2. YOLOv8 C2f融合SCConv模块 1. SCConv
卷积在各种计算机视觉任务中表现出色，但是由于卷积层提取冗余特征，其计算资源需求巨大。虽然过去用于改善网络效率的各种模型压缩策略和网络设计，…
pytorch学习第五篇：NN与CNN代码实例
这篇文章详细介绍了全链接神经网络实现方法，以及卷积的实现方法。最后我们发现，卷积的实现方法与全链接大同小异，因为 torch 为我们做了很多工作，我们来看看这两个有什么区别。 我们使用 torch 框架来实现两种神经网络，来对图形进行分类。
NN
首先我们引入依赖包
impor…
【深度学习基础】从R-CNN到Fast R-CNN，再到MaskR-CNN，发展历程讲清楚！
📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨ 📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】 📢：文章若有幸对你有帮助，可点赞 👍…
GPT/GPT4科研应用与AI绘图技术及论文高效写作教程
详情点击链接：GPT/GPT4科研实践应用与AI绘图技术及论文高效写作教程
一OpenAI
1.最新大模型GPT-4 Turbo 2.最新发布的高级数据分析，AI画图，图像识别，文档API
3.GPT Store
4.从0到1创建自己的GPT应用
5. 模型Gemini以及大模型…
八 动手学深度学习v2 ——卷积神经网络之卷积+填充步幅+池化+LeNet
目录 1. 图像卷积总结2. 填充和步幅 padding和stride3. 多输入多输出通道4. 池化层5. LeNet 1. 图像卷积总结
二维卷积层的核心计算是二维互相关运算。最简单的形式是，对二维输入数据和卷积核执行互相关操作，然后添加一个偏置。核矩阵和偏移是可学习的参…
人工智能-卷积神经网络之多输入多输出通道
多输入多输出通道
每个图像的多个通道和多层卷积层。例如彩色图像具有标准的RGB通道来代表红、绿和蓝。 但是到目前为止，我们仅展示了单个输入和单个输出通道的简化例子。 这使得我们可以将输入、卷积核和输出看作二维张量。
当我们添加通道时，我们的输…
CNN入门实战：猫狗分类
前言 CNN（Convolutional Neural Network，卷积神经网络）是一种深度学习模型，特别适用于处理图像数据。它通过多层卷积和池化层来提取图像的特征，并通过全连接层进行分类或回归等任务。CNN在图像识别、目标检测、图像分割…
cnn感受野计算方法
No. Layers Kernel Size Stride 1 Conv1 33 1 2 Pool1 22 2 3 Conv2 33 1 4 Pool2 22 2 5 Conv3 33 1 6 Conv4 33 1 7 Pool3 2*2 2
感受野初始值 l 0 1 l_0 1l 0 1，每层的感受野计算过程如下： l 0 1 l_0 1l 0 1 l 1 1 ( 3 − 1 ) 3 l_1 1…
11-13 周一 同济子豪兄CNN卷积神经网络学习记录
11-13 周一 同济子豪兄CNN卷积神经网络学习记录 时间版本修改人描述2023年11月13日14:02:14V0.1宋全恒新建文档2023年11月13日19:05:29V0.2宋全恒完成 大白话讲解卷积神经网络的学习
简介 为了深入理解CNN，进行B站 同济子豪兄深度学习之卷积神经网络的学习. 主要内…
机械寿命预测（基于NASA C-MAPSS数据的剩余使用寿命RUL预测，Python代码，CNN_LSTM模型，有详细中文注释）
1.效果视频：机械寿命预测（NASA涡轮风扇发动机剩余使用寿命RUL预测，Python代码，CNN_LSTM模型，有详细中文注释）_哔哩哔哩_bilibili
环境库版本： 2.数据来源：https://www.nasa.gov/int…
![计算机视觉与深度学习-卷积神经网络-卷积图像去噪边缘提取-卷积-[北邮鲁鹏]](https://img-blog.csdnimg.cn/053b4862d7574c61876343a6cf7460fc.png)
计算机视觉与深度学习-卷积神经网络-卷积图像去噪边缘提取-卷积-[北邮鲁鹏]
目录标题 参考学习链接卷积的定义卷积的性质叠加性平移不变性交换律结合律分配律标量 边界填充边界填充方法 - 常数填充最常用常数填充零填充（zero padding）拉伸镜像 卷积示例单位脉冲核无变化平移平滑锐化 卷积核平均卷积核高斯卷积核高斯卷积核定义高斯…
基于Android+OpenCV+CNN+Keras的智能手语数字实时翻译——深度学习算法应用(含Python、ipynb工程源码)+数据集（一）
目录 前言总体设计系统整体结构图系统流程图 运行环境Python环境TensorFlow环境Keras环境Android环境1. 安装AndroidStudio2. 导入TensorFlow的jar包和so库3. 导入OpenCV库 相关其它博客工程源代码下载其它资料下载 前言
本项目依赖于Keras深度学习模型，旨在对手语…
基于Android+OpenCV+CNN+Keras的智能手语数字实时翻译——深度学习算法应用(含Python、ipynb工程源码)+数据集（四）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 数据预处理2. 数据增强3. 模型构建4. 模型训练及保存5. 模型评估6. 模型测试1）权限注册2）模型导入3）总体模型构建4）处理视频中的预览帧数据5）处理图片数…
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集（一）
目录 前言总体设计系统整体结构图系统流程图 运行环境Python环境TensorFlow环境方法一方法二 后端服务器Django环境配置微信小程序环境 相关其它博客工程源代码下载其它资料下载 前言
本项目专注于MovieLens数据集，并采用TensorFlow中的2D文本卷积网络模型。它结合…
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集（六）
目录 前言总体设计系统整体结构图系统流程图 运行环境模块实现1. 模型训练1）数据集分析2）数据预处理3）模型创建4）模型训练5）获取特征矩阵 2. 后端Django3. 前端微信小程序1）小程序全局配置文件2）…
深度学习实战基础案例——卷积神经网络（CNN）基于Xception的猫狗识别|第2例
文章目录 一、环境准备二、数据预处理三、构建模型四、实例化模型五、训练模型5.1 构建训练函数5.2 构建测试函数5.3 开始正式训练 六、可视化精度和损失七、个体预测 我的环境：
pytorch：2.0python：3.8jupyternotebook
一、环境准备
impor…
《动手学深度学习 Pytorch版》 7.1 深度卷积神经网络(AlexNet)
7.1.1 学习表征
深度卷积神经网络的突破出现在2012年。突破可归因于以下两个关键因素：
缺少的成分：数据 数据集紧缺的情况在 2010 年前后兴起的大数据浪潮中得到改善。ImageNet 挑战赛中，ImageNet数据集由斯坦福大学教授李飞飞小组的研究人…
ICML 2017: 基于卷积的Seq2Seq解决方案
一.文章概述
通常而言，Seq2Seq解决方案一般都采用循环神经网络，但在本文，作者提出了基于卷积神经网络的解决方案ConvS2S。基于卷积神经网络的方案有两大优势：计算并行化更高，优化更容易（非线性的数量是固定…
基于对数谱图的深度学习心音分类
这是一篇很有意思的论文，他基于心音信号的对数谱图，提出了两种心率音分类模型，我们都知道：频谱图在语音识别上是广泛应用的，这篇论文将心音信号作为语音信号处理，并且得到了很好的效果。
对心音信号进行一…
【深度学习实验】卷积神经网络（六）：自定义卷积神经网络模型（VGG）实现图片多分类任务
目录
一、实验介绍
二、实验环境
1. 配置虚拟环境
2. 库版本介绍
三、实验内容
0. 导入必要的工具包
1. 构建数据集（CIFAR10Dataset）
a. read_csv_labels（）
b. CIFAR10Dataset
2. 构建模型（FeedForward&…
3_使用传统CNN网络训练图像分类模型
使用传统CNN网络训练图像分类模型
1. MNIST
首先，定义一下超参数等
import torch# dataset
input_shape = 28
num_classes = 10# hyper
batch_size = 64
num_epochs = 5
learning_rate = 1e-3# gpu
device = torch.device(cuda
深度学习实战基础案例——卷积神经网络（CNN）基于MobileNetV3的肺炎识别|第3例
文章目录 前言一、数据集介绍二、前期工作三、数据集读取四、构建CA注意力模块五、构建模型六、开始训练 前言
Google公司继MobileNetV2之后，在2019年发表了它的改进版本MobileNetV3。而MobileNetV3共有两个版本，分别是MobileNetV3-Large和MobileNetV2-…
CNN中输入通道数、卷积核的深度、卷积核的个数和输出通道数之间的关系
当涉及卷积神经网络（CNN）中卷积核的数量和通道数时，通常存在一些混淆。让我为您解释清楚：
通道数（Channel）：在CNN中，输入数据通常是一个三维张量，具有宽度、高度和通道数…
YOLOv8-pose关键点检测：Backbone优化 |EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023
💡💡💡本文解决什么问题：面向移动端的轻量化网络模型EMO，它能够以相对较低的参数和 FLOPs 超越了基于 CNN/Transformer 的 SOTA 模型，替换YOLOv8 backbone Yolov8-Pose关键点检测专栏介绍：https://blog.csdn.net/m0_63774211/category_12398833.html
✨✨✨手把手教…
CNN,DNN,RNN,GAN,RL+图像处理常规算法(未完待续)
好的，让我们先介绍一些常见的神经网络模型，然后再讨论图像处理的常规算法。
神经网络模型：
1. CNN（卷积神经网络）
原理： CNN主要用于处理图像数据。它包含卷积层、池化层和全连接层。卷积层通过卷积操作…
神经网络模型流程与卷积神经网络实现
神经网络模型流程
神经网络模型的搭建流程，整理下自己的思路，这个过程不会细分出来，而是主流程。 在这里我主要是把整个流程分为两个主流程，即预训练与推理。预训练过程主要是生成超参数文件与搭设神经网络结构；而推理…
卷积神经网络训练情感分析
文章目录 1 CNN在自然语言的典型应用2 代码解释3 建议 1 CNN在自然语言的典型应用
卷积的作用在于利用文字的局部特征，一个词的前后几个词必然和这个词本身相关，这组成该词所代表的词群词群进而会对段落文字的意思进行影响，决定这个段落到底…
python基于轻量级卷积神经网络模型ShuffleNetv2开发构建辣椒病虫害图像识别系统
轻量级识别模型在我们前面的博文中已经有过很多实践了，感兴趣的话可以自行移步阅读：
《移动端轻量级模型开发谁更胜一筹，efficientnet、mobilenetv2、mobilenetv3、ghostnet、mnasnet、shufflenetv2驾驶危险行为识别模型对比开发测试》
《基…
26、卷积 - 实际上是一个特征提取器
矩阵乘法的本质是特征的融合，卷积算法的本质是特征的提取。
回想一下之前所有介绍卷积的时候，描述了一种卷积运算的场景，那就是一个窗口在图片上滑动，窗口中的数值是卷积核的参数，也就是权值。
卷积的计算本质是乘累…
【动手学深度学习】(十二)现代卷积神经网络
文章目录 一、深度卷积神经网络AlexNet1.理论知识 一、深度卷积神经网络AlexNet
1.理论知识
ImageNet(2010)
图片自然物体的彩色图片手写数字的黑色图片大小468 * 38728*28样本数1.2M60K类数100010
AlexNet
AlexNet赢了2012ImageNet竞赛更深更大的LeNet主要改进ÿ…
![NNDL卷积神经网络-使用预训练resnet18实现CIFAR-10分类 [HBU]](https://img-blog.csdnimg.cn/direct/bac7f553e6da42e390765965758f4427.jpeg)
NNDL卷积神经网络-使用预训练resnet18实现CIFAR-10分类 [HBU]
目录
Adam优化器引入
数据处理
*将文件数据集进行解压
数据读取
构造Dataset类
模型构建
模型训练
模型评价
模型预测
什么是“预训练模型”？什么是“迁移学习”？
比较 使用预训练模型 和 不使用预训练模型 的效果
总结 前言：
原…
基于CNN+数据增强+残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)+数据集+模型（二）
系列文章目录
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型（一）
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型…
再见卷积神经网络，使用 Transformers 创建计算机视觉模型
本文旨在介绍 / 更新 Transformers 背后的主要思想，并介绍在计算机视觉应用中使用这些模型的最新进展。
读完这篇文章，你会知道……
为什么 Transformers 在 NLP 任务中的表现优于 SOTA 模型。Transformer 模型的工作原理这是卷积模型的主要限制。Tran…
深度学习 | 基础卷积神经网络
卷积神经网络是人脸识别、自动驾驶汽车等大多数计算机视觉应用的支柱。可以认为是一种特殊的神经网络架构，其中基本的矩阵乘法运算被卷积运算取代，专门处理具有网格状拓扑结构的数据。 1、全连接层的问题
1.1、全连接层的问题 “全连接层”的特点是每个…
![[C#]使用ONNXRuntime部署一种用于边缘检测的轻量级密集卷积神经网络LDC](https://img-blog.csdnimg.cn/direct/23727b17a40148a7805f525757c22b7e.jpeg)
[C#]使用ONNXRuntime部署一种用于边缘检测的轻量级密集卷积神经网络LDC
源码地址：
github.com/xavysp/LDC
LDC: Lightweight Dense CNN for Edge Detection算法介绍：
由于深度学习方法的快速发展，近年来，用于执行图像边缘检测的卷积神经网络（CNN）模型爆炸性地传播。但边缘检测…
基于FFT + CNN - Transformer 时域、频域特征融合的轴承故障识别模型
目录
往期精彩内容：
前言
1 快速傅里叶变换FFT原理介绍
2 轴承故障数据的预处理
2.1 导入数据
2.2 制作数据集和对应标签
3 基于FFTCNN-Transformer的轴承故障识别模型
3.1 网络定义模型
3.2 设置参数，训练模型
3.3 模型评估 往期精彩内容&…
MASK-RCNN tensorflow环境搭建
此教程默认你已经安装了Anaconda，且tensorflow 为cpu版本。为什么不用gpu版本，原因下面解释。
此教程默认你已经安装了Anaconda。
因为tensorflow2.1后的gpu版，不支持windows。并且只有高版本的tensorflow才对应我的CUDA12.2； 而…
用python实现在卷积神经网络中，如何计算各层感受野的大小
在卷积神经网络中，感受野（Receptive Field）是指卷积神经网络中的某个特征点所能看到的输入图像的区域大小。对于卷积神经网络中的每一层，其感受野的大小可以通过以下公式进行计算： 对于第一层卷积层，感受野…
卷积神经网络最显著的两个特点是什么？如何解释？优势是什么？
卷积神经网络最显著的两个特点是什么？如何解释？
答案
特点
最显著的两个特点是局部连接和权值共享
局部连接的概念和优势
局部连接：在卷积神经网络中，局部连接意味着卷积核上的每个神经元仅与输入数据的局部区域连接…
24 深度卷积神经网络 AlexNet【李沐动手学深度学习v2课程笔记】（备注：含AlexNet和LeNet对比）
目录 1. 深度学习机器学习的发展
1.1 核方法
1.2 几何学
1.3 特征工程 opencv
1.4 Hardware
2. AlexNet
3. 代码 1. 深度学习机器学习的发展
1.1 核方法
2001 Learning with Kernels 核方法 （机器学习）
特征提取、选择核函数来计算相似性、凸优…
【机器学习】卷积神经网络----GoogLeNet网络（pytorch）
代码是一个使用PyTorch实现的GoogLeNet模型，该模型是一个深度卷积神经网络（CNN）用于图像分类任务。 1. 定义基本卷积模块 BasicConv2d 类是一个基本的卷积块，包含一个卷积层、批归一化层和ReLU激活函数。该类用于构建Inception模块…
【机器学习】卷积神经网络（六）-计算机视觉应用
人脸检测与人脸识别是两个相关但不同的概念。人脸检测是指在一幅图像或视频中找出所有人脸的位置和大小，通常用一个矩形框来表示。人脸识别是指根据人脸的特征，判断人脸的身份或属性，例如姓名、性别、年龄、表情等。 人脸检测是人脸识别的前提…
RT-DETR 更换主干网络之 ShuffleNetv2 | 《ShuffleNet v2：高效卷积神经网络架构设计的实用指南》
目前，神经网络架构设计多以计算复杂度的间接度量——FLOPs为指导。然而，直接的度量，如速度，也取决于其他因素，如内存访问成本和平台特性。因此，这项工作建议评估目标平台上的直接度量，而不仅仅是考虑失败。在一系列控制实验的基础上，本文得出了一些有效设计网络的实用指…
深度图（Depth Map）
文章目录 深度图深度图是什么深度图的获取方式激光雷达或结构光等传感器的方法激光雷达RGB-D相机 双目或多目相机的视差信息计算深度采用深度学习模型估计深度 深度图的应用场景扩展阅读 深度图
深度图是什么
深度图（depth map）是一种灰度图像…
实例分割论文精读：Mask R-CNN
1.摘要
本文提出了一种概念简单、灵活、通用的实例分割方法，该方法在有效地检测图像中的物体同时，为每个物体实例生成一个实例分割模板，添加了一个分支，用于预测一个对象遮罩，与现有的分支并行，用于边界框…
Python实战 | 使用 Python 和 TensorFlow 构建卷积神经网络（CNN）进行人脸识别
专栏集锦，大佬们可以收藏以备不时之需
Spring Cloud实战专栏：https://blog.csdn.net/superdangbo/category_9270827.html
Python 实战专栏：https://blog.csdn.net/superdangbo/category_9271194.html
Logback 详解专栏：https:/…
【深度学习】卷积神经网络（LeNet）【文章重新修改中】
卷积神经网络 LeNet 前言LeNet 模型代码实现MINST代码分块解析1 构建 LeNet 网络结构2 加载数据集3 初始化模型和优化器4 训练模型5 训练完成 完整代码 Fashion-MINST代码分块解析1 构建 LeNet 网络结构2 初始化模型参数3 加载数据集4 定义损失函数和优化器5 训练模型 完整代码…
深度学习100例-卷积神经网络（CNN）实现mnist手写数字识别 | 第1天
文章目录 前期工作1. 设置GPU（如果使用的是CPU可以忽略这步）我的环境： 2. 导入数据3.归一化4.可视化5.调整图片格式 二、构建CNN网络模型三、编译模型四、训练模型五、预测六、知识点详解1. MNIST手写数字数据集介绍2. 神经网络程序说明3. 网…
计算机视觉与深度学习-卷积神经网络-卷积图像去噪边缘提取-卷积与边缘提取-[北邮鲁鹏]
目录标题 参考学习链接什么是图像边缘？为什么研究边缘？有哪些边缘种类？表面法向不连续深度不连续表面颜色不连续光照不连续 如何检测边缘？图像求导图像梯度图像梯度的方向图像梯度的模 噪声的影响噪声影响带来的问题解决办法&…
![34、StoHisNet：CNN+Transformer结合首次用于胃病理图像4分类[奔狼怎配质疑雄狮!]](https://img-blog.csdnimg.cn/direct/22390d480e80497fa1909ba746a06bc8.jpeg)
34、StoHisNet：CNN+Transformer结合首次用于胃病理图像4分类[奔狼怎配质疑雄狮!]
本文由贵州大学医学院，贵州省人民医院医学影像教研室，精密影像诊疗国际示范合作基地，贵州大学计算机科学与技术学院，清华大学北京信息科学与技术国家研究中心，共同合作，于2022年5月28日发表于<Computer …
基于卷积神经网络的猫种类的识别
1.介绍
图像分类是计算机视觉中的一个关键任务，而猫种类识别作为一个有趣且实用的应用场景，通过卷积神经网络（CNN）的模型能够识别猫的不同品种。在这篇博客中，将详细介绍如何利用深度学习技术构建模型，从而…
机器学习笔记 - Ocr识别中的CTC算法原理概述
一、文字识别 在文本检测步骤中，分割出了文本区域。现在需要识别这些片段中存在哪些文本。
机器学习笔记 - Ocr识别中的文本检测EAST网络概述-CSDN博客文章浏览阅读300次。在 EAST 网络的这个分支中，它合并了 VGG16 网络不同层的特征输出。现在，该层之后的特征大小将等于 p…
机器学习笔记 - 创建CNN + RNN + CTC损失的模型来识别图像中的文本
我们将创建一个具有CTC损失的卷积循环神经网络来实现我们的OCR识别模型。 一、数据集 我们将使用 Visual Geometry Group 提供的数据。
Visual Geometry Group - University of OxfordComputer Vision group from the University of Oxfordhttps://www.robots.ox.ac.uk/~vgg/d…
TensorFlow实战教程（十八）-Keras搭建卷积神经网络及CNN原理详解
从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章详细讲解了Keras实现分类学习，以MNIST数字图片为例进行讲解。本篇文章详细讲解了卷积神经网络CNN原理，并通过Keras编写CNN实现了MNIST分类学习案例。基础性文章，希望对您有所帮助！
一…
深入了解前馈网络、CNN、RNN 和 Hugging Face 的 Transformer 技术！
一、说明 本篇在此对自然语言模型做一个简短总结，从CNN\RNN\变形金刚，和抱脸的变形金刚库说起。 二、基本前馈神经网络： 让我们分解一个基本的前馈神经网络，也称为多层感知器（MLP）。此代码示例将࿱…
机器学习笔记 - 复杂任务的CNN组合
基础CNN架构可通过多种方式进行组合和扩展，从而解决更多、更复杂的任务。 1. 分类和定位 在分类和定位任务中，你不仅需要说出在图像中找到的物体的类别，而且还需指出物体显现在图像中的边界框坐标。这类任务假设在图像中只有一个物体实例。 这个任务可通过在典型的分类网络…
深度学习图像分类相关概念简析+个人举例2（CNN相关原理概念与计算）
（2）卷积神经网络：英文全称Convolutional Neural Network,简称 CNN 是一种常用于图像分类的深度学习模型，其主要特点是包含了卷积层和池化层，能够提取图像的局部特征。输入层、卷积层、池化层、全连接层和输出层都是卷积…
深度学习实战 | 卷积神经网络LeNet手写数字识别（带手写板GUI界面）
引言
在深度学习领域，卷积神经网络（Convolutional Neural Network, CNN）是一种广泛应用于图像识别任务的神经网络结构。LeNet是一种经典的CNN结构，被广泛应用于基础的图像分类任务。本文将介绍如何使用LeNet卷积神经网络实现手写…
基于深度学习算法的轴承故障自主分类
1. 要求
轴承有3种故障：外圈故障，内圈故障，滚珠故障，外加正常的工作状态。如表1所示，结合轴承的3种直径（直径1,直径2,直径3），轴承的工作状态有10类： 表1 轴承故障类别 外…
深度学习图像分类相关概念简析+个人举例3（CNN相关补充，附详细举例代码1）
【1】激活函数（Activation Function）：在深度学习（CNN）中，激活函数用于引入非线性性质，帮助模型学习复杂的关系。常见的激活函数有ReLU、Sigmoid和Tanh等。
（1）ReLU激活函…
卷积神经网络的基本结构
卷积神经网络的基本结构
与传统的全连接神经网络一样，卷积神经网络依然是一个层级网络，只不过层的功能和形式发生了变化。 典型的CNN结构包括： 数据输入层（Input Layer）卷积层（Convolutional Layer&#x…
MATLAB环境下基于人工蜂群优化算法的卷积神经网络CNN图像识别
地球上的所有生物包括人类都在不断演变、进化，在这样的过程中逐渐适应了外界的环境，找到了适合自己的生存方式。不同的生物有不同的生存机制，群体活动作为一种常见的生存机制广泛存在于自然界中，例如蚂蚁、鸟群、鱼群、峰群甚至人…
MATLAB环境下基于多种仿生或元启发式图像处理方法的化石图像分割
古生物专家创建化石三维模型的过程，主要是应用显微CT采集化石CT数据，对化石CT数据进行图像分割，最终通过体绘制方式生成化石三维模型。目前，古生物专家主要采用传统的图像二值化分割方法对化石CT数据进行图像初步分割。常用的图像…
【论文阅读】基于图像处理和卷积神经网络的板式换热器气泡识别与跟踪
Bubble recognizing and tracking in a plate heat exchanger by using image processing and convolutional neural network 基于图像处理和卷积神经网络的板式换热器气泡识别与跟踪 期刊信息：International Journal of Multiphase Flow 2021 期刊级别：…
sheng的学习笔记-卷积神经网络经典架构-LeNet-5、AlexNet、VGGNet-16
目录：目录
看本文章之前，需要学习卷积神经网络基础，可参考 sheng的学习笔记-卷积神经网络-CSDN博客 目录 LeNet-5
架构图
层级解析
1、输入层（Input layer）
2、卷积层C1（Convolutional layer C1&…
YoloV5改进策略：BackBone改进|ECA-Net：用于深度卷积神经网络的高效通道注意力
摘要
本文使用ECA-Net注意力机制加入到YoloV5中。我尝试了多种改进方法，并附上改进结果，方便大家了解改进后的效果，为论文改进提供思路。（更新中。。。。）
论文：《ECA-Net：用于深度卷积神经网…
YoloV5改进策略：Neck和Head改进|ECA-Net：用于深度卷积神经网络的高效通道注意力|多种改进方法|附结构图
摘要
本文使用ECA-Net注意力机制加入到YoloV5Neck和Head中。我尝试了多种改进方法，并附上改进结果，方便大家了解改进后的效果，为论文改进提供思路。（改进中。。。。）
论文：《ECA-Net：用于深度…
卷积神经网络层结构概述
一、卷积神经网络基本的层结构
（一）卷积层
1.可参考此文章：https://blog.csdn.net/tjlakewalker/article/details/83275322 2.实现代码:
import torch.nn as nn
conv nn.Conv2d(in_channels3, #输入通道out_channels64, #输出通道kerne…
YoloV8改进策略：Block改进|ECA-Net：用于深度卷积神经网络的高效通道注意力|ECA+压缩膨胀Block实现涨点（独家原创）
摘要
本文使用ECA-Net注意力机制配合压缩膨胀的Block实现涨点。涨点方法是我自己独创的，改进方法简单易用，方便大家用于论文的改进。
论文：《ECA-Net：用于深度卷积神经网络的高效通道注意力》
arxiv.org/pdf/1910.03151.pdf
最近，通道注意机制已被证明在改善深度卷积神…
计算机视觉的应用26-关于Fast-R-CNN模型的应用场景，Fast-R-CNN模型结构介绍
大家好，我是微学AI，今天给大家介绍一下计算机视觉的应用26-关于Fast-R-CNN模型的应用场景，Fast-R-CNN模型结构介绍。Fast R-CNN是一种深度学习模型，主要用于目标检测任务，尤其适用于图像中物体的识别与定位。该模型在基…
YOLOv9改进策略 ：主干优化 | ConvNeXtV2：适应自监督学习，让 CNN “再一次强大”？
💡💡💡本文改进内容：完全卷积掩码自编码器框架 ConvNeXt V2，它显著提高了纯convnet在各种识别基准上的性能，包括ImageNet分类，COCO目标检测和ADE20k分割。还提供了各种尺寸的预训练ConvNeXt v2模型，从而在ImageNet上具有76.7%精度的3.7M Atto model和88.9%精度的650…
![[论文笔记] CNN计算在工业场景下的一个模型优化案例](https://img-blog.csdnimg.cn/direct/8b2487acecd14c3a8e69a6263a834149.png)
[论文笔记] CNN计算在工业场景下的一个模型优化案例
0.背景
这是一篇论文笔记，现在正在处理轴承振动问题，《高噪声下改进卷积神经网络轴承故障诊断》，唐治尧，中国设备工程，2024，是随手找到的一篇使用大数据对既有振动数据集中的数据进行分析的类似样板实现。这里对这篇论文做笔记。
1.论文的目的，实验环境和结论
现有的…
YoloV8改进策略：Neck和Head改进|ECA-Net：用于深度卷积神经网络的高效通道注意力|多种改进方法|附结构图
摘要
本文使用ECA-Net注意力机制加入到YoloV8Neck和Head中。我尝试了多种改进方法，并附上改进结果，方便大家了解改进后的效果，为论文改进提供思路。
论文：《ECA-Net：用于深度卷积神经网络的高效通道注意力》
arxiv.org/pdf/1910.03151.pdf
最近，通道注意机制已被证明…
卷积神经网络的学习与实现
基于matlab的卷积神经网络(CNN)讲解及代码_matlab中如何查看cnn损失函数-CSDN博客
可以看到与BP神经网络相比，卷积神经网络更加的复杂，这里将会以cnn作为学习案例。
1.经典反向传播算法公式详细推导
这里引用经典反向传播算法公式详细推导_反向目标公…
1.2 在卷积神经网络中，如何计算各层感受野的大小
1.2 在卷积神经网络中，如何计算各层感受野的大小
分析与解答： 在卷积神经网络中，由于卷积的局部连接性，输出特征图上的每个节点的取值，是由卷积核在输入特征图对应位置的局部区域内进行卷积而得到的，因此这…
基于卷积神经网络的苹果等级分类系统（pytorch框架）【python源码+UI界面+前端界面+功能源码详解】
功能演示：
苹果等级分类系统，基于vgg16，resnet50卷积神经网络（pytorch框架）_哔哩哔哩_bilibili
（一）简介
基于卷积神经网络的苹果等级分类系统是在pytorch框架下实现的，系统中有两…
区间概率预测python|QR-CNN-BiLSTM+KDE分位数-卷积-双向长短期记忆神经网络-时间序列区间概率预测+核密度估计
区间预测python|QR-CNN-BiLSTMKDE分位数-卷积-双向长短期记忆神经网络-核密度估计-回归时间序列区间预测
模型输出展示：
(图中是只设置了20次迭代的预测结果，宽度较宽，可自行修改迭代参数，获取更窄的预测区间） 注&am…
机器学习——典型的卷积神经网络
机器学习——典型的卷积神经网络
卷积神经网络（Convolutional Neural Networks，CNNs）是一类在图像处理领域应用广泛的深度学习模型。它通过卷积操作和池化操作来提取图像的特征，并通过全连接层来进行分类或回归任务。在本文中&am…
基于卷积神经网络的中药识别（pytorch框架）【python源码+UI界面+前端界面+功能源码详解】
原作者链接：基于卷积神经网络的中药识别（pytorch框架）【python源码UI界面前端界面功能源码详解】_识别中药python-CSDN博客
//gitcode,gitee,飞桨，csdn，bilibili。几个有用网站，直接搜索即可，平…
特征增强自蒸馏卷积神经网络
目录 1.1 模型总体架构
1.2 特征增强金字塔模块
1.3 辅助分类器 1.1 模型总体架构
与自然图像相比，遥感场景图像地物较为复杂，具有类间相似度高和类内差异大的特点，这导致常用的网络模型难以有效学习遥感场景图像的表征特征。此外…
【CNN】ConvMixer探究ViT的Patch Embedding: Patches Are All You Need?
Patches Are All You Need?
探究Patch Embedding在ViT上的作用，CNN是否可用该操作提升性能？
论文链接：https://openreview.net/pdf?idTVHS5Y4dNvM 代码链接：https://github.com/tmp-iclr/convmixer
1、摘要 ViT的性能是由于T…
遥感影像处理利器：PyTorch框架下CNN-Transformer，地物分类、目标检测、语义分割和点云分类
目录
专题一 深度卷积网络知识详解
专题二 PyTorch应用与实践（遥感图像场景分类）
专题三 卷积神经网络实践与目标检测
专题四 卷积神经网络的遥感影像目标检测任务案例【FasterRCNN】
专题五 Transformer与遥感影像目标检测
专题六 Transformer的遥…
1.8.3 卷积神经网络近年来在结构设计上的主要发展和变迁——GoogleNet/inception-v1
1.8.3 卷积神经网络近年来在结构设计上的主要发展和变迁——GoogleNet/ inception-v1 前情回顾： 1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet 1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet GoogleNet问题
在VGGNet简单堆…
YOLOv9最新改进系列：YOLOv8融合BoTNet模块，融合CNN+自然语言处理技术的优势，有效提升检测效果！
YOLOv9最新改进系列：YOLOv9融合BoTNet模块，融合CNN自然语言处理技术的优势，有效提升检测效果！
YOLOv9原文链接戳这里，原文全文翻译请关注B站Ai学术叫叫首er
B站全文戳这里！
详细的改进教程以及源码&…
交叉注意力融合时域、频域特征的FFT + CNN -Transformer-CrossAttention电能质量扰动识别模型
往期精彩内容：
电能质量扰动信号数据介绍与分类-Python实现-CSDN博客
Python电能质量扰动信号分类(一)基于LSTM模型的一维信号分类-CSDN博客
Python电能质量扰动信号分类(二)基于CNN模型的一维信号分类-CSDN博客
Python电能质量扰动信号分类(三)基于Transformer…
49 样式迁移【李沐动手学深度学习v2课程笔记】
1. 样式迁移（Style Transfer)
计算机视觉的应用之一，将样式图片中的样式（比如油画风格等）迁移到内容图片（比如实拍的图片）上，得到合成图片 可以理解成为一个滤镜，但相对于滤镜来讲…
解决方案IndexError: index out of range in self
文章目录 一、现象二、解决方案 一、现象
代码跑这块的时候
model TextCNN(1141, 256, 3)报错显示 IndexError: index out of range in self
二、解决方案
向上追溯查看报错地方的代码
class TextCNN(nn.Module):def __init__(self, vocab_len, embedding_size, n_class…
CSPNet: A New Backbone that can Enhance Learning Capability of CNN
CSPNet 摘要1.引言3.方法3.1Cross Stage Partial NetworkDenseNetCross Stage Partial DenseNetPartial Dense BlockPartial Transition LayerApply CSPNet to Other Architectures 3.2 Exact Fusion ModelLooking Exactly to predict perfectlyAggregate Feature PyramidBalan…
卷积神经网络(CNN)原理与实现
卷积神经网络(CNN) 卷积神经网络原理卷积神经网络的数学推导卷积层反向传播算法数学推导卷积层实现代码
卷积神经网络(CNN)
卷积神经网络原理
卷积神经网络是一种用于图像、语音、自然语言等数据的深度学习模型，其核心思想是使用卷积操作提取输入数据的特征&…
深度学习-Pytorch实现经典AlexNet网络：山高我为峰
深度学习-Pytorch实现经典AlexNet网络之山高我为峰
深度学习中，经典网络引领一波又一波的技术革命，从LetNet到当前最火的GPT所用的Transformer，它们把AI技术不断推向高潮。2012年AlexNet大放异彩，它把深度学习技术引领第一个高峰…
神经网络结构——CNN、RNN、LSTM、Transformer ！！
文章目录 前言 一、什么是CNN 网络结构 解决问题 工作原理 实际应用 二、什么是RNN 网络结构 解决问题 工作原理 应用场景 三、什么是LSTM 网络结构 解决问题 工作原理 应用场景 四、什么是Transformer 网络结构 解决问题 工作原理 BERT GPT 前言
本文将从什么是CNN࿱…
深度学习基础知识之通道数channels
大多数的深度学习模型，模型上会展示图片的尺寸，如：352x352x3 这里面352x352表示的是像素大小，即高和宽都为352个像素，而3表示的是通道数，指输入的是3通道的RGB图像，每个颜色通道的取值范围为0-2…
卷积神经网络|迁移学习-猫狗分类完整代码实现
还记得这篇文章吗？迁移学习|代码实现
在这篇文章中，我们知道了在构建模型时，可以借助一些非常有名的模型，这些模型在ImageNet数据集上早已经得到了检验。
同时torchvision模块也提供了预训练好的模型。我们只需稍作修改…
PyTorch|构建自己的卷积神经网络——卷积层
在构建我们的网络时，我们需要用到卷积层提取特征，来看到一些特别的东西，当图片经过卷积层，图片尺寸一般会变化。
当我们构建网络时，我们需要确定各个层的参数，而这些参数，则是要提前计算的&…
高光谱分类论文解读分享之HybridSN：基于 3-D–2-D CNN 的高光谱分类（经典回顾）
IEEE GRSL 2019：HybridSN：基于 3-D–2-D CNN 的高光谱分类
题目
HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification
作者
Swalpa Kumar Roy, Student Member, IEEE, Gopal Krishna, Shiv Ram Dubey , Mem…
机器学习之卷积神经网络
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此又称为SIANN。卷积神经网络仿照生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的…
风速预测 | Python基于CEEMDAN-CNN-Transformer+ARIMA的风速时间序列预测
目录 效果一览基本介绍程序设计参考资料 效果一览 基本介绍 CEEMDAN-CNN-TransformerARIMA是一种用于风速时间序列预测的模型，结合了不同的技术和算法。收集风速时间序列数据，并确保数据的质量和完整性。这些数据通常包括风速的观测值和时间戳。CEEMDAN分…
opencv009 滤波器01（卷积）
图像卷积操作（convolution），或称为核操作（kernel），是进行图像处理的一种常用手段，
图像卷积操作的目的是利用像素点和其邻域像素之前的空间关系，通过加权求和的操作，实现…
2023年算法OOA-CNN-BiLSTM-ATTENTION回归预测（matlab）
OOA-CNN-BiLSTM-Attention鲸鱼算法优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言。
鱼鹰优化算法（Osprey optimization algorithm，OOA）由Mohammad Dehghani 和 Pavel Trojovsk于2023年提出，其模拟鱼鹰的捕…
2023年算法SAO-CNN-BiLSTM-ATTENTION回归预测（matlab）
2023年算法SAO-CNN-BiLSTM-ATTENTION回归预测（matlab）
SAO-CNN-BiLSTM-Attention雪消融优化器优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言。
雪消融优化器( SAO) 是受自然界中雪的升华和融化行为的启发，开发了一种…
Advanced CNN
文章目录 回顾Google NetInception1*1卷积Inception模块的实现网络构建完整代码 ResNet残差模块 Resedual Block残差网络的简单应用残差实现的代码 练习 回顾
这是一个简单的线性的卷积神经网络 然而有很多更为复杂的卷积神经网络。
Google Net
Google Net 也叫Inception V…
存内计算芯片研究进展及应用—以基于NorFlash的卷积神经网络量化及部署研究突出存内计算特性
文章目录 存内计算的背景存算一体技术发展历程 存内计算芯片研究现状SRAM存内计算DRAM存内计算ReRAM/PCM存内计算MRAM存内计算NOR Flash存内计算 基于 NOR Flash 的卷积神经网络量化卷积神经网络基本结构卷积神经网络量化方法研究实验及结果分析心得 参考文献 如果我能看得更远…
【论文阅读笔记】Taming Transformers for High-Resolution Image Synthesis
Taming Transformers for High-Resolution Image Synthesis 记录前置知识AbstractIntroductionRelated WorkMethodLearning an Effective Codebook of Image Constituents for Use in TransformersLearning the Composition of Images with Transformers条件合成合成高分辨率图…
原创！分解+集成思想新模型！VMD-CNN-BiGRU-Attention一键实现时间序列预测！以风速数据集为例
声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~
目录
数据介绍
模型流程
创新点
结果展示
部…
CMU 10-414/714: Deep Learning Systems --hw4
通过之前作业中完成的所有组件，使用高性能的网络结构来解决一些问题。首先会增加一些新的算子（使用CPU/CUDA后端），然后完成卷积、以及用一个卷积神经网络来在CIFAR-10图像数据集上训练一个分类器。接着需要完成循环神经网络（带LSTM），并在Penn Treebank数据集上完成字符级…
伪装目标检测之注意力CBAM：《Convolutional Block Attention Module》
论文地址：link 代码：link
摘要
我们提出了卷积块注意力模块（CBAM），这是一种简单而有效的用于前馈卷积神经网络的注意力模块。给定一个中间特征图，我们的模块依次推断沿着两个独立维度的注意力图ÿ…
基于DA优化CNN-LSTM的负荷预测
今天给大家分享DA优化CNN-LSTM的负荷预测，主要从算法原理和代码实战展开。需要了解更多算法代码的，可以点击文章左下角的阅读全文，进行获取哦~需要了解智能算法、机器学习、深度学习和信号处理相关理论的可以后台私信哦，下一期分享…
CNN速通（草稿纸总结版）
本文章是看张老师推荐的深度学习速通视频CNN部分时，在草稿纸上记录的之前没有接触过的新鲜玩意儿，仅作为摘要灵感，可能实际提供不了太大知识价值，谨慎食用。
感谢张老师推荐，指路b站速通视频，讲得蛮好&…
基于cnn卷积神经网络的yolov8动物姿态估计识别（训练代码）
往期热门项目大合集：
人体姿态识别（教程代码）-CSDN博客
3D人体姿态估计（教程代码）-CSDN博客
3D目标检测（教程代码）_3d目标检测原理-CSDN博客
交通路标识别(教程&代码)_路标识别项目概述…
深度学习图像处理03：卷积神经网络——卷积和池化
在掌握对深度学习图像处理01：图像的本质和深度学习图像处理02：Tensor数据类型的基础下。本节我们可以结合代码进一步探讨卷积神经网络的工作原理。
1. 卷积神经网络概述
卷积神经网络（Convolutional Neural Networks, CNNs）是深…
机器学习的核心算法 - CNN的原理探讨
很悲哀，类似这样的技术性问题讨论，和其他很多我感兴趣的问题，我现在很多时候只能采用异步模式，比如发帖来解决，然后实时的交互，只能跟GPT聊。我找不到合适的朋友，对相关话题感兴趣，并…
CNN-LSTM-Attention混合神经网络归时序预测的MATLAB实现（源代码）
CNN-LSTM-Attention介绍： CNN-LSTM-Attention混合神经网络是一种结合了卷积神经网络（CNN）、长短期记忆神经网络（LSTM）和注意力机制（Attention）的模型。这种混合神经网络结合了CNN对空间特征的提…
基于PSO优化的CNN-LSTM-Attention的时间序列回归预测matlab仿真
目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
4.1卷积神经网络（CNN）在时间序列中的应用
4.2 长短时记忆网络（LSTM）处理序列依赖关系
4.3 注意力机制（Attention）
5…
机器学习——卷积神经网络中的其他类型
机器学习——卷积神经网络中的其他类型
卷积神经网络（Convolutional Neural Networks, CNNs）是深度学习领域中最重要的技术之一，它在图像处理、语音识别、自然语言处理等领域取得了巨大成功。在CNN中，卷积层是最核心的组成部分之…
《PyTorch深度学习实践》第十讲卷积神经网络基础
一、
0、Feature Extraction特征提取器，Classification分类器 1、每一个卷积核它的通道数量要求和输入通道是一样的。这种卷积核的总数有多少个和你输出通道的数量是一样的。
2、卷积(convolution)后，C(Channels)变，W(width)和H(Height)可变…
Python图像处理【22】基于卷积神经网络的图像去雾
基于卷积神经网络的图像去雾 0. 前言1. 渐进特征融合网络2. 图像去雾2.1 网络构建2.2 模型测试 小结系列链接 0. 前言
单图像去雾 (dehazing) 是一个具有挑战性的图像恢复问题。为了解决这个问题，大多数算法都采用经典的大气散射模型，该模型是一种基于单…
浅易理解：卷积神经网络（CNN）
浅易理解卷积神经网络流程 本文的目录： 1 什么卷积神经网络 2 输入层 3 卷积层 4 池化层 5 全连接层
1 什么是卷积神经网络
1.1卷积神经网络（Convolutional Neural Networks, CNN） 是一种前馈神经网络，它的人工神经元可以响应一…
吴恩达CNN之卷积初学习---二维卷积
1、卷积的实现 从左到右的矩阵可以看作：一幅图像、过滤器filter（核）、另一幅图像
编程中卷积的实现：支持卷积的深度学习框架都会有一些函数实现这个卷积运算
python：conv_forward函数
TensorFlow：tf.nn.…
经典卷积神经网络LeNet-5、AlexNet、VGG-16
一、LeNet-5 这里只讲一下C5，卷积核大小是5*5，通道数是120，所以卷积完成之后是1*1*120，这里形成120个卷积结果。每个都与上一层的16个图相连。所以共有(5x5x161)x120 48120个参数，同样有48120个连接。
其他卷积层和池…
【深度学习笔记】9_8 区域卷积神经网络（R-CNN）系列
注：本文为《动手学深度学习》开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图 9.8 区域卷积神经网络（R-CNN）系列
区域卷积神经网络（region-based CNN或regions with CNN feature…
Python轴承故障诊断 (15)基于CNN-Transformer的一维故障信号识别模型
目录
往期精彩内容：
前言
1 轴承数据加载与预处理
1.1 导入数据
1.2 数据预处理，制作数据集
3 基于Pytorch的CNN-Transfromer轴承故障诊断分类
3.1 定义CNN-Transfromer分类网络模型
3.2 设置参数，训练模型
3.3 模型评估
代码、数据…
YOLOv8独家改进：backbone改进 | 最新大卷积核CNN架构UniRepLKNet，ImageNet 88% | CVPR2024
💡💡💡本文独家改进：大核卷积一统多种模态！RepLK正统续作UniRepLKNet，代替YOLOv8 Backbone
改进结构图如下： 收录
YOLOv8原创自研
https://blog.csdn.net/m0_63774211/category_12511737.html?spm=1001.2014.3001.5482
💡💡💡全网独家首发创新（原创），适…
基于GA优化的CNN-GRU-Attention的时间序列回归预测matlab仿真
目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
4.1卷积神经网络（CNN）在时间序列中的应用
4.2 长短时记忆网络（LSTM）处理序列依赖关系
4.3 注意力机制（Attention）
4…
深度学习 精选笔记（12）卷积神经网络-理论基础2
学习参考：
动手学深度学习2.0Deep-Learning-with-TensorFlow-bookpytorchlightning
①如有冒犯、请联系侵删。 ②已写完的笔记文章会不定时一直修订修改(删、改、增)，以达到集多方教程的精华于一文的目的。 ③非常推荐上面（学习参考&#x…
线性代数在卷积神经网络（CNN）中的体现
案例：深度学习中的卷积神经网络（CNN） 在图像识别领域，卷积神经网络（Convolutional Neural Networks, CNN）是一个广泛应用深度学习模型，它在人脸识别、物体识别、医学图像分析等方面取得…
带你一文搞懂CNN以及图像识别（Python）
文章目录 一、卷积神经网络简介 二、卷积神经网络的“卷积” 1. 卷积运算的原理 2. 卷积运算的作用 三、卷积神经网络 1. 卷积层（CONV） 2. 池化层（Pooling） 3. 全连接层（FC） 4. 示例：经典CNN的构…
VMD + CEEMDAN 二次分解，CNN-Transformer预测模型
往期精彩内容：
时序预测：LSTM、ARIMA、Holt-Winters、SARIMA模型的分析与比较-CSDN博客
风速预测（一）数据集介绍和预处理-CSDN博客
风速预测（二）基于Pytorch的EMD-LSTM模型-CSDN博客
风速预测ÿ…
Python环境下基于1D-CNN、2D-CNN和LSTM的一维信号分类
以简单的西储大学轴承数据集为例，随便你下载几个信号玩耍吧，我选了10个信号，分别求为正常状态，内圈（轻、中和重度损伤），外圈（轻、中和重度损伤），滚动体&#…
李沐《动手学深度学习》卷积神经网络 经典网络模型
系列文章
李沐《动手学深度学习》预备知识 张量操作及数据处理 李沐《动手学深度学习》预备知识 线性代数及微积分 李沐《动手学深度学习》线性神经网络 线性回归 李沐《动手学深度学习》线性神经网络 softmax回归 李沐《动手学深度学习》多层感知机 模型概念和代码实现 李沐《…
池化理解，还有卷积神经网络中最后一层为全连接层的原因
下述只是个人笔记，仅供参考
1 池化 1.1 池化讲解 一般来说，在池化操作中，步长（stride）通常被设置成等于池化窗口的大小。这样的设置确保了每次池化操作都是在不重叠的区域上进行，从而最大化地减少特征映射…
AlexNet，ZFNet详解
1 AlexNet
网络结构
对于AlexNet网络来说，因为当时资源环境受限，他从第一步卷积开始就把一个图像分到两个GPU上训练，然后中间进行组合最后进行融合成全连接成1000个置信度
1 得到一张3x224x224的图像，然后进行11x11的卷积&…
遥感深度学习：CNN-LSTM模型用于NDVI的预测(Pytorch代码深度剖析)
代码上传至Github库：https://github.com/ChaoQiezi/CNN-LSTM-model-is-used-to-predict-NDVI
01 前言
这是一次完整的关于时空遥感影像预测相关的深度学习项目，后续有时间更新后续部分。
通过这次项目，你可以了解：
pytroch的模…
一分钟理解卷积神经网络
通过下面的网站，可以最简单直观的理解卷积核（也叫滤波器）运算过程，原始图片通过卷积核运算之后显示输出图片。
1、可选择不同的卷积核，如 浮雕、模糊等；
2、可设置调整卷积核矩阵数值；
2、可…
基于cnn深度学习的yolov5+pyqt+分类+resnet+骨龄检测系统
往期热门博客项目回顾：
计算机视觉项目大集合
改进的yolo目标检测-测距测速
路径规划算法
图像去雨去雾目标检测测距项目
交通标志识别项目
yolo系列-重磅yolov9界面-最新的yolo
姿态识别-3d姿态识别
深度学习小白学习路线
YOLOv5与骨龄识别 YOLOv5&a…