前言：卷积神经网络（CNN）已经可以构建出一个强大的分类模型，但它仍然缺乏能力来应对输入数据的空间变换，比如：平移、缩放、旋转，尽管convolutional层和pooling层在一定程度上解决了平移和缩放的问题，但很多时候面对旋转、大尺度的缩放等情况时仍然无能为力。这篇文章提出了一种叫做空间变换网络（Spatial Transform Networks， STN）的模型，它能自动学习变换参数，对
概述迁移学习可以改变你建立机器学习和深度学习模型的方式了解如何使用PyTorch进行迁移学习，以及如何将其与使用预训练的模型联系起来我们将使用真实世界的数据集，并比较使用卷积神经网络(CNNs)构建的模型和使用迁移学习构建的模型的性能介绍我去年在一个计算机视觉项目中工作，我们必须建立一个健壮的人脸检测模型。考虑到我们拥有的数据集的大小，从头构建一个模型是一个挑战。从头构建将是一个耗时又消耗计算资源
原创
2021-01-06 22:12:52
1318阅读
导读使用Keras进行迁移学习，从实际
转载
2021-07-19 09:30:22
1376阅读
一、解决什么问题？二、怎么解决的？1.基本的思想？1.端到端的训练和实时检测。2.YOLO将输入图像划分为S*S个网络，如果一个物体的中心落在某个网格内，则相应网格负责检测该物体。3.在训练和测试时，每个网络预测B个bboxs，每个bbox对应5个预测参数，即bbox中心点坐标（x,y），宽高（w,h），和置信度评分。4.将物体检测任务看成是一个回归问题来处理，直接通过整张图片的所有像素得到bbo
一、预训练网络 预训练网络是一个保存好的之前已在大型数据集（大规模图像分类任务）上训练好的卷积神经网络。如果这个原始数据集足够大且足够通用，那么预训练网络学到的特征的空间层次结构可以作为有效的提取视觉世界特征的模型。 &nb
转载
2024-05-30 22:59:39
103阅读
本节展开介绍典型的CNN结构（LeNet-5、AlexNet、VGG），以及 ResNet(Residual Network，残差网络)，Inception Neural Network，1x1卷积，迁移学习，数据扩增和手工工程与计算机现状等知识点
原创
2022-04-14 16:44:53
10000+阅读
1 简介1.2 问题提出CNN在图像分类中取得了显著的成效，主要是得益于 CNN 的深层结构具有 空间不变性（spatially invariance）（平移不变性，旋转不变性），所以图像上的目标物体就算是做了平移或者旋转，CNN仍然能够准确的识别出来，这对于CNN的泛化能力是有益的。空间不变性主要是由于 Pooling 层 和 步长不为1的卷积层 的存在带来的。实际上主要是池化层的作用，因为大部
转载
2024-09-12 11:12:30
60阅读
首先确保已经用VS2013打开Caffe.sln并编译好了libcaffe、caffe和convert_imageset这三个项目。一、数据准备1.先准备一个文件夹存放所有训练用的图片文件，再准备一个trainlist.txt文件，包含图片名及其对应的标签，格式如下：imagename1.jpg 0
imagename2.jpg 1
imagename3.jpg 1
...这里提供一个简陋的Pyt
转载
2024-04-07 11:09:55
50阅读
本文约3700字，建议阅读5分钟
本文介绍了迁移学习前沿探究：低资源、领域泛化与安全迁移。迁移学习是机器学习的一个重要研究分支，侧重于将已经学习过的知识迁移应用于新的问题中，以增强解决新问题的能力、提高解决新问题的速度。近日，在AI TIME青年科学家——AI 2000学者专场论坛上，微软亚洲研究院研究员王晋东做了《迁移学习前沿探究探讨：低资源、领域泛化与安全迁移》的报告。他提到，目前迁移学习虽然
文章目录快排的实现快排的迁移应用 上回讲到 二分查找算法和它的迁移应用，和查找算法一样，排序算法也是基本且超级常用的算法。而排序算法的思想又能拿来解决很多其他问题，比如归并排序、堆排序和快速排序。话休絮烦，今天主要来说说快速排序的思路怎么应用。 “快排，快排”，念起来好似布谷鸟的叫声，“谷谷，谷谷”，声声的叫着夏天。可快排算法一点也不干脆利落，不似降龙十八掌般的摧古拉朽，倒像乾坤大挪移的移形换
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet）和定位项目的第一名。VggNet一共有六种不同的网络结构，但是每种结构都有含有５组卷积，每组卷积都
转载
2024-05-13 12:50:14
104阅读
TensorFlow模型持久化将TensorFlow模型结构和权重保存到一个.pb文件当中。示例代码如下：pb_graph = tf.graph_util.convert_variables_to_constants(sess, sess.graph.as_graph_def(), [v.op.name for v in outputs])
with tf.gfile.FastGFile('./p
转载
2024-07-21 01:14:32
17阅读
这是CNN眼里的一只猫：这是ViT (Vision Transformer)眼里的一只猫:从去年起，Transformer忙着跨界CV，如ViT在图像分类上准确率已超过CNN，大有取代之势。这背后的原因是什么？最近普林斯顿的一项研究认为，Transformer的运作方式更接近人类，连犯错的方式都和人类一样。研究团队在图像分类的准确率之外，增加了对错误类型的分析。结果发现，与CNN相比，ViT更擅长
转载
2024-06-07 11:30:45
62阅读
经典CNN网络结构Le-Net5 网络结构def inference(input_tensor,train,regularizer): #第一层：卷积层，过滤器的尺寸为5×5，深度为6,不使用全0补充，步长为1。 #尺寸变化：32×32×1->28×28×6 with tf.variable_scope('layer1-conv1'): conv...
原创
2021-07-15 11:31:26
186阅读
经典CNN网络结构Le-Net5 网络结构def inference(input_tensor,train,regularizer): #第一层：卷积层，过滤器的尺寸为5×5，深度为6,不使用全0补充，步长为1。 #尺寸变化：32×32×1->28×28×6 with tf.variable_scope('layer1-conv1'): conv...
原创
2021-08-01 12:29:55
296阅读
作者 | Justin ho一、卷积只能在同一组进行吗？-- Group convolutionGroup convolution 分组卷积，最早在AlexNet中出现，由于当时的硬件资源有限，训练AlexNet时卷积操作不能全部放在同一个GPU处理，因此作者把feature maps分给多个GPU分别进行处理，最后把多个GPU的结果进行融合。 Alexnet分组卷积的思想影响比较
转载
2024-09-14 13:11:29
48阅读
LeNet-5、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet，ResNeXt，DenseNet，Shake Shake，SeNet，MobileNet，ShuffleNet，DarkNetLeNet：最早用于数字识别的CNNAlexNet：2012年ILSVRC比赛冠军，远超第二名的CNN，比LeNet更深，用多层小卷积叠加来替换单个的大卷积ZF Net：2013IL
转载
2021-04-03 21:36:37
647阅读
2评论
＜路由协议的迁移＞
当网络中原有的路由协议不能再很好的满足需求的时候，就需要转换为另一种路由协议，这就需要进行路由协议的迁移。
路由迁移的原则：
1、尽可能少的减少网络的停工时间
2、一旦在迁移过程中出了问题，要能迅速回退到初始状态
3、在迁移过程中要避免出现路由黑洞和环路
在路由迁移过程中还有可能要改变原有的IP地址，使用新的编址方案，这就需要进行
转载
2024-05-06 20:30:07
30阅读
一、说明本文学习资源来自tensorflow官网，测试环境使用tensor conlab。1. 本文内容学习怎么使用预训视...
原创
2022-06-28 11:53:26
849阅读
CNN (Convolutional Neural Network) 顾名思义，将卷积用在了网络结构中，本质还是利用卷积核提取二维数组（图片）中的特征信息。其运算过程如下图，蓝色部分为输入图片，绿色部分为卷积操作之后得到的特征图，蓝色边缘虚线部分是作的填充，使得卷积之后的特征图与原图大小相同。 CNN的鼻祖是1998年Yan LeCun首次提出的神经网络LeNet-5，后来20年间没有大的突破被传
转载
2024-05-31 10:31:00
45阅读
