卷积神经网络笔记
斯坦福CS231n课程确实很好，学了有两三遍，每次都有不一样的收获，理解的也更深刻。这里把自己觉得重要的东西记录下来，以加深印象，同时便于查阅。CS211n简书笔记链接：https://www.jianshu.com/p/182baeb82c71 卷积神经网络依旧是一个可导的评...
常见卷积神经网络总结：Densenet
常见卷积神经网络总结DenseNet最近时间没那么紧张了，准备把之前没看的论文总结一下，DenseNetDenseNet是CVPR2017的最佳论文，可见这篇论文还是很厉害的，DenseNet主要是借鉴了Resnet的思想，采取了一种全新的网络连接方式，最近的卷积神经网络主要是从深度和宽度上进行思考...
【Yolo的听课笔记二】七月在线深度学习第四期 卷积神经网络与典型结构
【Yolo的听课笔记二】七月在线 深度学习第四期 卷积神经网络与典型结构我是刚刚接触计算机视觉的小白Yolo，很多知识都处于摸索阶段。为了记录自己的学习历程，我在这里把自己的学习内容进行总结. 听课笔记系列是为了整理自己在各个课程中的笔记，主要是回顾课堂内容，也融入了一些自己的理解和网上资料参考。目...
pytorch的conv2d函数groups分组卷积使用及理解
重点在于groups参数的理解1、groups参数是如何影响卷积计算的conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=3)conv.weight.data.size()输出：torch.Size([6, 2,...
怎么理解tf.nn,conv2d(卷积神经网络)的图像通道数
其实"图像通道数"就是图像的xx，呵呵..，其实这里的图像通道数其实是叫做“图像的色彩通道数”，还是来看例子理解吧！如每一张图片的大小为28*28*1，则表示图片的大小为28*28的像素，*1表示是黑白的，即为一个色彩通道同理，28*28*3，则表示图片的大小为28*28，*3表示彩色的，即为三个色...
手动实现卷积神经网络中的卷积操作（conv2d）
写这个的原因：一来好像没怎么搜到别人手动实现，作为补充；二来巩固一下基础。 卷积操作示意先从一张示意图说起，卷积基础概念和操作步骤就不啰嗦了，只讲这张图，大意就是，有in-channel，有out-channel，你需要把in-channel都做卷积操作，然后产出out-channel，所以这个...
Matlab的卷积编码实现
最近在做一个SCFDE波形的C和矢量实现，指导老师给了几份Matlab仿真代码，要我把对应的C语言和矢量写出来(并行运算指令操作)，简单的代码一下就写完了，有些写的还是有点烦躁，特别是卷积编码的解码，今天我们先不谈解码，先谈下编码，这个还是写的比较流畅的。卷积编码器，听着就不好理解，没事，我来分析一...
深度学习1——卷积神经网络CNN
什么是CNN？卷积层池化层全连接层非线性层，例如：ReLU其他层，例如：RNN为什么CNN是有意义的？动机（motivation）卷积利用了下面4个想法来机器学习系统：1.稀疏交互稀疏交互的概念：指卷积网络最后的全连接层与输入层之间的“间接连接”是非全连接的，多次卷积可以找出一种合理的连接，使输入图...
膨胀卷积的用法详解
卷积和膨胀卷积在深度学习中，我们会碰到卷积的概念，我们知道卷积简单来理解就是累乘和累加，普通的卷积我们在此不做赘述，大家可以翻看相关书籍很好的理解。最近在做项目过程中，碰到Pytorch中使用膨胀卷积的情况，想要的输入输出是图像经过四层膨胀卷积后图像的宽高尺寸不发生变化。开始我的思路是paddin...
HLS 加速卷积神经网络前向计算（毕设小结）
本文主要是本人本科毕业设计的主要工作。 主要工作有两部分，一是实现二值卷积神经网络模型，二是将模型的前向计算部署到FPGA上。也就是说FPGA负责的是神经网络的前向计算过程，也就是预测的过程，训练还是通过CPU。 二值卷积神经网络是参考复现XNOR-Net，训练...
对深度学习反卷积网络的理解
在计算机视觉领域，很多模型都用到了反卷积，但是有一点让我很迷惑：有的论文代码中，反卷积是直接调用ConvTranspose2d()函数，而有的是先upsample(上采样)，再卷积，不用转置卷积的函数，为什么呢？然后我就找了网上的各种博客，知乎，终于懂了，现在总结一下。反卷积的各种叫法Deconvo...
卷积神经网络和深度神经网络的区别是什么？
作者：飘哥链接：https://www.zhihu.com/question/29366638/answer/864113705 DNN是指深度神经网络，它是一个很广的概念，某种意义上CNN、RNN、GAN等都属于其范畴之内。DNN与CNN（卷积神经网络）的区别是DNN特指全连接的神经元结构，并不包...
卷积神经网络-多通道计算
卷积神经网络-多通道计算最近在看卷积神经网络，一个卷积核函数好像对应一个通道的输入进行卷积计算，那么多通道的输入怎么进行计算了？下面分以下几种情况分别描述：单通道-单卷积核，多通道-多卷积核。1、单通道-多卷积核由于单通道-单卷积核是单通道-单卷积核的一种，所以不单独讲解。 单通道-单卷积核的计算形...
挑战杯 基于深度学习的动物识别 - 卷积神经网络 机器视觉 图像识别-0 前言
???? 优质竞赛项目系列，今天要分享的是 基于深度学习的动物识别算法研究与实现 该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！ ???? 更多资料, 项目分享： https://gitee.com/dancheng-senior/postgraduate
深度学习之卷积神经网络CNN（一）网络结构
卷积神经网络（Convolutional Neural Networks）是一种深度前馈神经网络，基于视觉神经感受野的理论而提出，已成功应用于图像识别、语音识别、运动分析、自然语言处理等领域。CNN的核心思想是：将局部感受野、权值共享以及时间或空间亚采样这三种结构思想结合起来，获得了某种程度的位移、...
卷积神经网络结构相关
PART 1针对conv层、全连接层、pooling层，另外稍带介绍了CNN中的**函数Relu。文章主要参考了零基础入门深度学习（4）中的内容，并根据本人对于CNN的理解进行了部分修改。 本文将详细介绍卷积神经网络以及它的训练算法，以及动手实现一个简单的卷积神经网络。 一个新的**函数：Relu...
卷积神经网络中的卷积反卷积及池化计算公式、特征图通道数（维度）变化、卷积核大小与深度等概念解释
1.计算公式设：图像宽为W，高为H，通道数为C；卷积核尺寸为K，通道数为D，个数为N；卷积运算步长为S，0填充大小为P；输入和输出量分别以1和2表示。卷积：W2 = (W1 - K + 2×P) / S + 1H2 = (H1 - K + 2×P) / S + 1C2 = N反卷积：W2 = (W1...
1.9卷积神经网络笔记——池化层
1.池化层之最大池化用到池化层的原因：cnn中经常用到池化层来缩减表示大小，提高计算速度，同时提高提取特征的鲁棒性。1.最大池化方法：输入时4*4，输出是2*2；把4*4拆分成不同区域，（用不同颜色标记）每个颜色区域取最大值作为对应2*2矩阵输出值。2.相当于应用过滤器参数为：维度f=2，步长s=2...
1*1卷积层的作用
Ref:https://www.zhihu.com/question/56024942http://m.blog.csdn.net/chaipp0607/article/details/608686891*1卷积的主要作用有以下几点：1、降维（ dimension reductionality ）。...
人工智能几个常用卷积神经网络
人工智能几个常用卷积神经网络AlexNet全连接层1*1卷积核的作用池化层作用参数计算（也就是权重）创建卷积核时，卷积核人个数放在第四维空间。也即，是一个整体代码中是按这种整体来看的。AlexNet卷积神将网络的计算公式为：N=(W-F+2P)/S+1其中N：输出大小W：输入大小F：卷积核大小P：填...