卷积神经网络
-
基于卷积神经网络的手写数字识别分类(Tensorflow)
import numpy as np import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data import os %matplotlib inline import matplotlib.pyplot as plt mnist = input_dat…
-
system generator 卷积编码器快速设计
卷积码是一种特殊的编码方式，不仅与当前的输入有关，还与之前的输入有关。可以用一个多项式来表示一个卷积编码，多项式表示有多少个移位寄存器以及他们怎么与模2加法器相连。比如，下图中的无反馈的卷积编码器有一个输入、两个输出和两个以为寄存器。 无反馈的卷积编码器的描述包含2个部分：约束长度和生成多项式，有反馈的卷积编码器还包含一个反馈连接的多项式。约束长度是矢量…
-
感受野以及带洞卷积
感受野就是输出的feature map中的一个像素点对应到输入图像的映射；下图中特征点（绿色和黄色）对应的阴影部分即为感受野。 左边的图为正常的普通卷积过程；右边的为输入和输出大小一样的卷积过程，采用的方法是在得到的feature map中的特征点之间加入0（与带洞卷积类似，但不是一样的） 右边的好处是，可以明显的观察到每个特征点所映射的位置；特征点位于感受…
-
1*1卷积核作用
1.降维或升维，减少参数量 通过1*1卷积核的个数，来控制输出的通道数也就是维度 通过一次卷积操作，W*H*6将变为W*H*1，这样的话，使用5个1*1的卷积核，显然可以卷积出5个W*H*1，再做通道的串接操作，就实现了W*H*5 对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积核数量！ 图示： goolenet为例： resnet为例：…
-
pytorch group 分组卷积
https://www.jianshu.com/p/20ba3d8f283c
-
用CNN对文本处理，句子分类（简单理解卷积原理）
首先需要理解N-gram https://zhuanlan.zhihu.com/p/32829048对于在NLP中N-gram的理解，一元，二元，三元gram 大多数 NLP 任务的输入不是图像像素，而是以矩阵表示的句子或文档。矩阵的每一行对应一个标记，通常是一个单词，但它也可以是一个字符。也就是说，每一行都是代表一个单词的向量。通常这些向量是像 word2…
-
信号卷积（线性卷积）
从数学上讲，卷积就是一种运算。定义函数 $f,g$ 的卷积 $(f * g)(t)$ 如下 1. 连续形式： $$(f*g)(t) = int_{-infty}^{+infty}f(tau)g(t – tau)dtau$$ 那这个怎么理解呢？ 函数 $g(t)$ 可以理解为冲击响应，即一个冲击信号经过一个线性系统后产生的输出函数，假设它的图像长成…
-
【30】卷积网络的边缘检测
边缘检测 卷积运算是卷积神经网络最基本的组成部分，使用边缘检测作为入门样例。在这个笔记中，你会看到卷积是如何进行运算的。 在之前的笔记中，我说过神经网络的前几层是如何检测边缘的，然后，后面的层有可能检测到物体的部分区域，更靠后的一些层可能检测到完整的物体，这个例子中就是人脸。在这个视频中，你会看到如何在一张图片中进行边缘检测。 让我们举个例子，给了这样一…
-
【34】三维卷积
三维卷积（Convolutions over volumes） 在上面笔记中你已经知道如何对二维图像做卷积了，现在看看如何执行卷积不仅仅在二维图像上，而是三维立体上。 我们从一个例子开始，假如说你不仅想检测灰度图像的特征，也想检测RGB彩色图像的特征。彩色图像如果是6×6×3，这里的3指的是三个颜色通道，你可以把它想象成三个6×6图像的堆叠。为了检测图像…
-
【33】卷积步长讲解(Strided convolutions)
卷积步长（Strided convolutions） 卷积中的步幅是另一个构建卷积神经网络的基本操作，让我向你展示一个例子。 如果你想用3×3的过滤器卷积这个7×7的图像，和之前不同的是，我们把步幅设置成了2。你还和之前一样取左上方的3×3区域的元素的乘积，再加起来，最后结果为91。 只是之前我们移动蓝框的步长是1，现在移动的步长是2，我们让过滤器跳过2个步…
