卷积神经网络
-
深度卷积网络CNN与图像语义分割
转载请注明出处: http://xiahouzuoxin.github.io/notes/html/深度卷积网络CNN与图像语义分割.html 级别1：DL快速上手 级别2：从Caffe着手实践 级别3：读paper，网络Train起来 级别4：Demo跑起来 读一些源码玩玩 熟悉Caffe接口，写Demo这是硬功夫 分析各层Layer输出特征 级别5：何不…
-
FCN用卷积层代替FC层原因（转）
分类任务 CNN对于常见的分类任务，基本是一个鲁棒且有效的方法。例如，做物体分类的话，入门级别的做法就是利用caffe提供的alexnet的模型，然后把输出的全连接层稍稍修改称为自己想要的类别数，然后再根据实际需要修改网络模型（通常是瘦身）。下面记录几个point。 关于crop 一般在训练的时候会利用两个手段做data augmentation，分别是mi…
-
经典网络LeNet5看卷积神经网络各层的维度变化
本文介绍以下几个CNN经典模型：Lenet（1986年）、Alexnet（2012年）、GoogleNet（2014年）、VGG（2014年）、Deep Residual Learning（2015年） 1.LeNet-5 Lenet-5是一个经典的CNN网络模型，几乎所有讲CNN的资料都会提到该模型；该模型是为了识别手写字体和计算机打印字…
-
CNN:卷积输出分辨率计算
卷积是CNN非常核心的操作，CNN主要就是通过卷积来实现特征提取的，在卷积操作的计算中会设计到几个概念：步长(strides)、补充(padding)、卷积核(kernel)等，那卷积的输出分辨率计算一般就会与这几个参数有关(空洞或者扩张卷积暂时不纳入这个范围)，以下计算不做说明的话，均考虑卷积核大小为3*3。所以这一篇就以二维卷积为例子简单记录下卷积的一点…
-
【Vivado HLS Coding Style-2】2维卷积：算法优化
———————————————————————————————————— 作者：王超 微信QQ：526160753 facebook：wordchao 研究：机器学习、深度学习 图像识别检测、车…
-
Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network（GCN全局卷积网络）
作者认为语义分割的两个挑战是分类和定位，而这两个挑战又是比较对立的。对于分类问题，模型需要有变形和旋转不变形，而对于定位问题，模型有需要对变形敏感。 提出的GCN遵循两个主要原则： 1、对定位问题，模型需要全卷积来获得定位信息，不能有全连接或是全局池化层。 2、对分类问题，需要有大的卷积核来连接特征图和每个像素的分类器 此外还添加了边界精细块（boundar…
-
人脸识别性别的卷积神经网络
本文主要是实现了根据人脸识别性别的卷积神经网络,并对卷积过程中的提取特征进行了可视化. 卷积神经网络 卷积神经网络最早是为了解决图像识别的问题,现在也用在时间序列数据和文本数据处理当中,卷积神经网络对于数据特征的提取不用额外进行,在对网络的训练的过程当中,网络会自动提取主要的特征. 卷积神经网络直接用原始图像的全部像素作为输入,但是内部为非全…
-
训练较深的卷积神经网络时遇到的问题
最近训练一个12层的cnn网络 参考了vgg和googlenets的思想，自己做了些微调 在有噪声的手写体识别上达到了98.59%的准确率 在训练时，前1000次，loss和acc就好像没有收敛一样 因为，神经网络太深，参数太多 我们要用更多时间去使网络提取到对应的参数 所以，一次训练到3k次以上之后再看效果 在训练的后期 train_acc = 0…
-
【笔记】 卷积
HDU 4609 3-idiots题目链接题解 这个题考察了如何转化成多项式乘法，然后去重和计数很有意思 HDU 1402 A*B problem plus题目链接 将整数转化成向量，最后得到的卷积后的向量处理一下每一位的进位就是结果 BZOJ 2194 快速傅立叶之二题目链接 FFT 能解决形如 c[k] =sigma(a[p]*b[k-p]) (0<…
-
一层卷积中有多少个参数
import torch.nn as nn conv = nn.Conv2d(2, 3, 4) print(conv.weight.size()) print(conv.bias.size()) torch.Size([3, 2, 4, 4]) torch.Size([3]) 所以，每一层卷积的参数总量为：3*2*4*4+2 [输入通道数*输出通道数*卷…
