卷积神经网络
-
使用TensorFlow的卷积神经网络识别手写数字（3）-识别篇
1 from PIL import Image 2 import numpy as np 3 import tensorflow as tf 4 import time 5 6 7 bShowAccuracy = True 8 9 10 # 加载手写图片 11 def loadHandWritingImage(strFilePath): 12 im = …
-
使用TensorFlow的卷积神经网络识别自己的单个手写数字，填坑总结
折腾了几天，爬了大大小小若干的坑，特记录如下。代码在最后面。 环境： Python3.6.4 + TensorFlow 1.5.1 + Win7 64位 + I5 3570 CPU 方法： 先用MNIST手写数字库对CNN（卷积神经网络）进行训练，准确度达到98%以上时，再准备独家手写数字10个、画图软件编辑的数字10个共计20个，让训练好的CN…
-
使用TensorFlow的卷积神经网络识别手写数字（2）-训练篇
1 2 import numpy as np 3 import tensorflow as tf 4 import matplotlib 5 import matplotlib.pyplot as plt 6 import matplotlib.cm as cm 7 from tensorflow.examples.tutorials.mnist imp…
-
关于转置卷积的一些资料收集
卷积与转置卷积的运算的示意图https://github.com/vdumoulin/conv_arithmetic#convolution-arithmetic 知乎如何理解转置卷积？https://www.zhihu.com/question/43609045 caffe中图片转换为矩阵图解，以及FCN实现语义分割的实现，希望能够进行实现一…
-
空间域图像增强：卷积和空间域滤波
1、什么是卷积？ 卷积：数学中关于两个函数的一种无穷积分运算，是通过两个函数f 和g 生成第三个函数的一种数学算子，表征函数f 经过翻转和平移与g 的重叠部分的累积。 2、什么是空间卷积？ 线性空间滤波又称为空间卷积 在执行线性空间滤波时，我们必须理解两个相关的含义，相关和卷积。相关是掩膜w在下图1图像f中移动的过程。卷积是相同的过程，只是在图…
-
动手深度学习五—二维卷积层
1、二维互相关运算 在二维卷积层中，一个二维输入数组和一个二维核数组通过互相关运算输出一个二维数组；核数组在卷积运算中又称卷积核、过滤器、卷积窗口；输出形状取决于卷积核和输入的形状 如，二维输入数组（3X3）与二维核数组（2X2）互相关运算，产生结果是一个二维数组（2X2），卷积核按照从左往右，从上往下的顺序依次在输入数组上滑动，计算结果 输⼊形状是nh× …
-
关于卷积的一个实例
对于卷积的计算需要把握住两个方向点，第一个是在n点处的累积范围 ， 第二个是用来做累积的变量的范围。用下面的实例来说明： 例子1 ： 求两个信号的卷积？ 解 ： xn和hn的图像分别如下所示 ： 这里需要分情况考虑他们各自的卷积过程分别是在 0<=n<=4 ; 5<=n<=6 ; 7<=n<=1…
-
6-空间域卷积运算
1- 参看 美国 冈萨雷斯的图象处理，第二版
-
（12）可形变卷积
之前的项目中使用了可形变卷积，感觉有效果，所以就具体看一下。 论文: ormable-ConvNets 传统的卷积由于规则形状固定，不能完全适应目标的形状，我们期望的应该是一种自适应卷积，或者说可形变（Deformable Convolution ）卷积，就像这样： 首先看顶层的feature map，我们取两个激活点（分别在大羊和小羊身上），代表的是…
-
数字信号处理–卷积的意义
这个其实非常简单的概念，国内的大多数教材却没有讲透。 直接看图，不信看不懂。以离散信号为例，连续信号同理。 已知 已知 下面通过演示求的过程，揭示卷积的物理意义。 第一步，乘以并平移到位置0：第二步，乘以并平移到位置1：第三步，乘以并平移到位置2：最后，把上面三个图叠加，就得到了：简单吧？无非是平移（没有反褶！）、叠加。 ==================…
