卷积神经网络

现如今，卷积神经网络在人工智能领域应用的广泛性及重要性可谓是不言而喻。为了让大家对卷积的类型有一个清晰明了的认识，我快速概述了几种不同类型的二维卷积及其好处。     卷积(Convolutions)   首先，我们需要就定义卷积层的几个参数。   图1 二维卷积、内核大小为3、步幅为1   内核大小：内核大小定义了卷积的视野。二维的常见选择是3——即3×3…

什么是1X1卷积 11的卷积就是对上一层的多个feature channels线性叠加，channel加权平均。只不过这个组合系数恰好可以看成是一个11的卷积。这种表示的好处是，完全可以回到模型中其他常见N*N的框架下，不用定义新的层。比如上一层通过100个卷积核得到了 W * H * 100的数据，进行10个1X1卷积后得到 W * H * 10 的数据，…

在卷积神经网络尚未火热的年代，人们使用haar/lbp + adaboost级连的组合方式检测人脸，hog+svm的组合方式检测行人。这种传统的目标检测方法一个认知上的优势就是: 模块的功能明确，划分得很清晰，符合人们的理解方式。其中，haar，lbp，hog等手工设计的特征提取算子用于提取特征，adaboost，svm用于对提取的特征分类。而早期的全连接神…

前言：今天为大家带来一篇文章，发在CVPR 2017。是在LFW上做的实验，是一个二分类问题—性别识别。 原文：Efficient Gender Classification Using a Deep LDA-Pruned Net 摘要：本文也是说到了，卷积深度神经网络在目标检测，模式识别等各个方面取得了非常好的效果，是必须要有更强大的GPU支持。所以针…

前言：今天他给大家带来一篇发表在CVPR 2017上的文章。 原文：LBCNN 原文代码：https://github.com/juefeix/lbcnn.torch 本文主要内容：把局部二值与卷积神经网路结合，以削减参数，从而实现深度卷积神经网络端到端的训练，也就是未来嵌入式设备上跑卷积效果将会越来越好。 主要贡献： 提出一种局部二值卷积（LBC)可以用来…

去年研一的时候想做kaggle上的一道题目：猫狗分类，但是苦于对卷积神经网络一直没有很好的认识，现在把这篇文章的内容补上去。（部分代码参考网上的，我改变了卷积神经网络的网络结构，其实主要部分我加了一层1X1的卷积层，至于作用，我会在后文详细介绍） 题目地址：猫狗大战 同时数据集也可以在上面下载到。 既然是手把手，那么就要从前期的导入数据开始： 导入数据 #i…

前言：昨天和大家聊了聊卷积神经网络，今天给大家带来一篇论文:pca+cnn=pcanet.现在就让我带领大家来了解这篇文章吧。 论文：PCANet：A Simple Deep Learning Baseline for Image Classification 论文地址：https://core.ac.uk/download/pdf/25018742.pdf…

今天一直在思考CNN的旋转不变性，众所周知，CNN具有平移不变性，但是是否具有旋转不变性呢。我们来研究下吧。 查阅了许多国内外资料，在解释旋转不变性的时候，普遍得出来，CNN具有一定的旋转不变性，但是这个旋转不变性是有一定的角度控制的，当然起作用的是maxpooling 层，当我们正面拍一些照片的时候，在某些地方会得到activation.然后旋转一定的角度…

1.反向传播BP 反向传播（Backpropagation）是“误差反向传播”的简称，是一种与最优化方法，用来训练人工神经网络的常见方法。 简单来说就是： 几个人站成一排第一个人看一幅画（输入数据），描述给第二个人（隐层）……依此类推，到最后一个人（输出）的时候，画出来的画肯定不能看了（误差较大）。反向传播就是，把画拿给最后一个人看（求取误差），然后最后一个…

目录 卷积边缘问题 卷积边缘问题 图像在执行卷积计算的时候,图像边缘的像素无法被计算,边缘无法被卷积核正确覆盖; BORDER_DEFAULT BORDER_CONSTANT: 填充边缘用指定像素值; BORDER_REPLICATE: 填充边缘像素用已知的边缘像素值; BORDER_WRAP: 用另外一遍的像素来补偿填充; 使用copyMakeBorder…