卷积神经网络
-
卷积神经网络CNN理解
自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep Learning是全部深度学习…
-
卷积神经网络算法的一个实现
从理解卷积神经到实现它，前后花了一个月时间，现在也还有一些地方没有理解透彻，CNN还是有一定难度的，不是看哪个的博客和一两篇论文就明白了，主要还是靠自己去专研，阅读推荐列表在末尾的参考文献。目前实现的CNN在MINIT数据集上效果还不错，但是还有一些bug，因为最近比较忙，先把之前做的总结一下，以后再继续优化。 卷积神经网络CNN是Deep Lear…
-
图卷积网络（GCN）python实现
数据集为cora数据集，cora数据集由机器学习论文组成，共以下7类： 基于案例 遗传算法 神经网络 概率方法 强化学习 规则学习 理论 由cora.content和cora.cities文件构成。共2708个样本，每个样本的特征维度是1433。 下载地址：https://linqs.soe.ucsc.edu/data cora.content： 每一行由论…
-
Opencv 实现图像的离散傅里叶变换（DFT）、卷积运算（相关滤波）
我是做Tracking 的，对于速度要求非常高。发现傅里叶变换能够使用。 于是学习之。 核心： 最根本的一点就是将时域内的信号转移到频域里面。这样时域里的卷积能够转换为频域内的乘积！ 在分析图像信号的频率特性时，对于一幅图像，直流分量表示预想的平均灰度。低频分量代表了大面积背景区域和缓慢变化部分，高频部分代表了它的边缘，细节，跳跃部分以及颗粒噪声…
-
CNN卷积神经网络_深度残差网络 ResNet——解决神经网络过深反而引起误差增加的根本问题，Highway NetWork 则允许保留一定比例的原始输入 x。（这种思想在inception模型也有，例如卷积是concat并行，而不是串行）这样前面一层的信息，有一定比例可以不经过矩阵乘法和非线性变换，直接传输到下一层，仿佛一条信息高速公路，因此得名Highway Network
from:https://blog.csdn.net/diamonjoy_zone/article/details/70904212 环境：Win8.1 TensorFlow1.0.1 软件：Anaconda3 （集成Python3及开发环境） TensorFlow安装：pip install tensorflow (CPU版) pip install te…
-
卷积核分布分析
有时候需要观察卷积核参数的分布情况，那么就需要对于卷积核的参数进行统计学意义上的分析。 卷积核数据是随机变量，并且分布是未知的，所以要使用非参数估计的方法进行分布估计。 本文主要介绍的是Kernel Density Estimation(KDE)核密度估计的方法。 博客：https://www.jianshu.com/p/249e5ff97c04 里面有详细…
-
卷积神经网络参数
卷积神经网络(Convolutional Neural Network, CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功，在国际标准的ImageNet数据集上，许多成功的模型都是基于CNN的。CNN相较于传统的图像处理算法的优点之一在于，避免了对图像复杂的前期预处理过程（提取人工特征等），可以直接输入原始图像。图像处理中，往往…
-
理解图像分割中的卷积（Understand Convolution for Semantic Segmentation）
以最佳的101 layer的ResNet-DUC为基础，添加HDC，实验探究了几种变体： 无扩张卷积(no dilation)：对于所有包含扩张卷积，设置r=1 扩张卷积(dilation Conv )：对于所有包含扩张卷积，将2个block和为一组，设置第一个block的r=1 Dilation-RF：对于r=3,4,5. Dilation-B…
-
FMT 与 子集(逆)卷积
本文参考了 Dance of Faith 大佬的博客 我们定义集合并卷积 \[h_{S} = \sum_{L \subseteq S}^{} \sum_{R \subseteq S}^{} [L \cup R = S] f_{L} * g_{R} \] 最暴力的时候只能 \(O(4^n)\) 完成，进行 一些优化 可以在 \(O(3^n)\) 内完成，当然我…
-
卷积、卷积矩阵（Convolution matrix）与核（Kernel）
在图像处理领域，Kernel = convolution matrix = mask，它们一般都为一个较小的矩阵； 用于：Sharpen，Blur， Edge enhance，Edge detect，Emboss（使凸出；在……上作浮雕图案；装饰） 1. 卷积操作与卷积矩阵的等价性 （1）创建一维信号 N = 100; s = zeros(N, 1); k …
