卷积神经网络
-
用python实现对图像的卷积(滤波) – swuxyj
用python实现对图像的卷积(滤波) 之前在看卷积神经网络，很好奇卷积到底是什么，最后看到了这篇文章http://blog.csdn.net/zouxy09/article/details/49080029，讲得很清楚，这篇文章中提到了对图像的滤波处理就是对图像应用一个小小的卷积核，并给出了以下例子： 对图像的卷积，opencv已经有实现的函数fi…
-
深度学习原理与框架-猫狗图像识别-卷积神经网络(代码) 1.cv2.resize(图片压缩) 2..get_shape()[1:4].num_elements(获得最后三维度之和) 3.saver.save(训练参数的保存) 4.tf.train.import_meta_graph(加载模型结构) 5.saver.restore(训练参数载入)
1.cv2.resize(image, (image_size, image_size), 0, 0, cv2.INTER_LINEAR) 参数说明：image表示输入图片，image_size表示变化后的图片大小，0， 0表示dx和dy， cv2.INTER_LINEAR表示插值的方式为线性插值 2.image.get_shape[1:4].num_ele…
-
[深度学习]CNN–卷积神经网络中用1*1 卷积有什么作用
1*1卷积过滤器 和正常的过滤器一样，唯一不同的是它的大小是1*1，没有考虑在前一层局部信息之间的关系。最早出现在 Network In Network的论文中 ，使用1*1卷积是想加深加宽网络结构 ，在Inception网络（ Going Deeper with Convolutions ）中用来降维. 由于3*3卷积或者5*5卷积在几百个filter的卷…
-
图像的卷积(滤波)运算(二)——高斯滤波
简要介绍了图像处理中高斯滤波的实现原理，并通过OpenCV做了两种实现。 目录 1. 高斯滤波原理 2. 图像二维卷积 3. 具体实现 4. 参考资料 1. 高斯滤波原理 根据数学知识，一维高斯函数可以描述为：在图像处理中，选定X方向上长度为3的窗口，令δ=1，中心坐标为1，由上述公式，其卷积核(Xa,X,Xb)可以如下计算： Xa = exp(-1*(0-…
-
【2021.03.03】使用卷积神经网络实现MNIST（上）
本次的学习来源：https://www.bilibili.com/video/BV1WT4y177SA 加载库 nn、F、optim都是使用pytorch时候的常用简写 # 加载库 import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as …
-
OpenCV(5)-图像掩码操作（卷积）-锐化
锐化概念 图像平滑过程是去除噪声的过程。图像的主要能量在低频部分，而噪声主要集中在高频部分。图像的边缘信息主要也在高频部分，在平滑处理后，将会丢不部分边缘信息。因此需要使用锐化技术来增强边缘。 平滑处理的本质是图像经过平均或积分运算，锐化进行逆运算（如微分）即可。微分运算是求信号变化频率，可以增强高频分量的作用。在对图像进行锐化处理前要确定图像有较高的信噪比…
-
轻松学Pytorch-详解Conv2D卷积处理
轻松学Pytorch-详解Conv2D卷积处理 原创 gloomyfish OpenCV学堂 4月25日 收录于话题 #轻松学Pytorch系列 30个 图片 点击上方蓝字关注我们 微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 Conv2D基本原理与相关函数 常见的图像卷积是二维卷积，而深度学习中Conv2D卷积是三维卷积，图示如下： …
-
TensorFlow实践5：图像识别与卷积神经网络（二）
TensorFlow实践5：图像识别与卷积神经网络（二） 【本章不做重点，并未实践，内容仅作参考】 内容摘要： Inception-v3模型 TensorFlow实现迁移学习 5.1 Inception-v3模型 此模型中Incepton结构是将不同的卷积层通过并联的方式结合在一起的。 Inception模块会首先使用不同尺寸的过滤器处理输入数据。虽然过…
-
【python实现卷积神经网络】定义训练和测试过程
代码来源：https://github.com/eriklindernoren/ML-From-Scratch 卷积神经网络中卷积层Conv2D（带stride、padding）的具体实现：https://www.cnblogs.com/xiximayou/p/12706576.html 激活函数的实现（sigmoid、softmax、tanh、relu、l…
-
神经网络模型（二）— 卷积神经网络用于知识图谱嵌入（ConvE、ConvKB、R-GCN、ConvR）
目录 ConvE 模型 问题提出 1D 卷积和 2D 卷积 ConvE 实验 数据集 Inverse Model 模型参数 链接预测结果 消融实验 代码 ConvKB 模型 实验 代码 R-GCN 模型 神经关系建模 实体分类 链接预测 实验 实体分类实验 链接预测 代码 ConvR 模型 问题提出 ConvR loss 与训练 实验 代码 这几篇论文都是用…
