卷积神经网络
-
手把手使用numpy搭建卷积神经网络
主要内容来自DeepLearning.AI的卷积神经网络 本文使用numpy实现卷积层和池化层，包括前向传播和反向传播过程。 在具体描述之前，先对使用符号做定义。 上标[I]表示神经网络的第Ith层。 (a^{[4]})表示第4层神经网络的激活值；(W^{[5]})和(b^{[5]})表示神经网络第5层的参数； 上标(i)表示第i个数据样本 (x^{(i)}…
-
基于深度学习和迁移学习的识花实践——利用 VGG16 的深度网络结构中的五轮卷积网络层和池化层，对每张图片得到一个 4096 维的特征向量，然后我们直接用这个特征向量替代原来的图片，再加若干层全连接的神经网络，对花朵数据集进行训练（属于模型迁移）
深度学习是人工智能领域近年来最火热的话题之一，但是对于个人来说，以往想要玩转深度学习除了要具备高超的编程技巧，还需要有海量的数据和强劲的硬件。不过 TensorFlow 和 Keras 等框架的出现大大降低了编程的复杂度，而迁移学习的思想也允许我们利用现有的模型加上少量数据和训练时间，取得不俗的效果。 这篇文章将示范如何利用迁移学习训练一个能从图片中分类…
-
什么是卷积？
以离散信号为例，连续信号同理。 已知 x[0] = a, x[1] = b, x[2]=c 已知 y[0] = i, y[1] = j, y[2]=k 下面通过演示求 x[n] * y[n]的过程，揭示卷积的物理意义。 第一步，x[n]乘以 y[0]并平移到位置 0： 第二步，x[n]乘以 y[1]并平移到位置 1： 第三步，x[n]乘以…
-
[笔记]ACM笔记 – 利用FFT求卷积（求多项式乘法）
给定向量： 向量和： 数量积（内积、点积）： 例如： 卷积的最典型的应用就是多项式乘法（多项式乘法就是求卷积）。以下就用多项式乘法来描述、举例卷积与DFT。 关于多项式 对于多项式的次数界。 多项式的系数表达方式：）。 则多项式的系数向量即为。 多项式的点值表达方式：。 离散傅里叶变换（DFT） 离散傅里叶变换（Discrete Fourier Transf…
-
用于图像降噪的卷积自编码器
这篇文章的目的是介绍关于利用自动编码器实现图像降噪的内容。 在神经网络世界中，对图像数据进行建模需要特殊的方法。其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如果你对这方面已经很清楚了，可以跳过)。然后，我会介绍标准神经网络。这个标准神经网络用于图像数据，比较简单。这解释了处理…
-
相关与卷积（数字信号处理）的数学原理及 Python 实现
数学原理 在数字信号处理中，相关(correlation)可以分为互相关(cross correlation)和自相关(auto-correlation). 互相关是两个数字序列之间的运算；自相关是单个数字序列本身的运算，可以看成是两个相同数字序列的互相关运算．互相关用来度量一个数字序列移位后，与另一个数字序列的相似程度．其数学公式如下： 其中，f …
-
SRCNN 卷积神经网络
2019-05-19 从GitHub下载了代码（这里） 代码量虽然不多，但是第一次学，花了时间还是挺多的。根据代码有跑出结果（基本没有改），但是对于数据集的处理还是看的很懵逼，主要是作者的实现都是用类封装，然后调用函数实现，而且每一个代码块没有测试，所以很多代码不知道什么意思，所以，我把能够拆分的进行了拆分，用jupyter重新实现下 一、数据集的理解 …
-
全卷积网络FCN详解
http://www.cnblogs.com/gujianhan/p/6030639.html CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体？ （图像语义分割） FCN（Fully Convolutional Networks）对图像进行像素级的分类，从而解决了语义级别的图像分割（semantic segmentation）问题。与经典的…
-
卷积/球谐函数
这篇的球谐部分还需要完善下 目前是咩有的 正好light probe里面有 https://www.jianshu.com/p/cbd1a1f86d1b https://blog.csdn.net/bitcarmanlee/article/details/54729807 blur是个卷积 每个点采样高斯分布 照着做了一下 还真是 float a=1.0; …
-
机器学习进阶-背景建模-(帧差法与混合高斯模型) 1.cv2.VideoCapture(进行视频读取) 2.cv2.getStructureElement(构造形态学的卷积) 3.cv2.createBackgroundSubtractorMOG2(构造高斯混合模型) 4.cv2.morpholyEx(对图像进行形态学的变化)
1. cv2.VideoCapture(‘test.avi’) 进行视频读取 参数说明：‘test.avi’ 输入视频的地址2. cv2.getStructureElement(cv2.MORPH_ELLIPSE, (3, 3)) # 构造一个全是1的kernel用于形态学的操作 参数说明：cv2.MORPH_ELLIPSE 生成全是1的kernel，(3…
