首先，介绍一下卷积的来源：它经常用在信号处理中，用于计算信号的延迟累积。假设一个信号发生器每个时刻t产生一个信号xt ，其信息的衰减率为wk ，即在k−1个时间步长后，信息为原来的wk 倍，假设w1 = 1,w2 = 1/2,w3 = 1/4。时刻t收到的信号yt 为当前时刻产生的信息和以前时刻延迟信息的叠加。然后，介绍卷积诞生思想：在80年代，Fukushima在感受野概念的基础之上提出了神经认
转载
2023-10-01 17:13:57
135阅读
一、计算机视觉 在运行神经网络对图像进行处理时，对于64*64大小的图像，图像就有12288个参数，而对于一张1000*1000大小的图像，参数更是多达300万个，假设隐藏层有1000个神经元，那么参数就是300万*1000个，300亿个参数，可想而知数据量过于庞大。为解决此问题，我们需要采用卷积计算。二、边缘检测 ①用神经网络的前几层来检测图像边缘，然
转载
2023-08-27 22:32:28
119阅读
摘要：深度学习作为近年来快速发展的一个领域，而卷积神经网络是其包含的深度神经网络中的一种经典的结构，一直被相当多的研究者所研究，尤其是随着数据集的扩充和GPU性能的大幅提升，卷积神经网络由此得到了更多的关注。本文最开始回顾了它的起源和发展；然后对卷积神经网络的基本结构进行了介绍；接着描述了近年来研究者们针对卷积神经网络的组件（卷积层、池化层、激活函数及其它方面）的一些改进措施；最后以计算机视觉领域
转载
2023-12-29 19:03:43
90阅读
概念：受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力，在语音识别、人脸识别、通用物体识别、运动分析、自然语言处理甚至脑电波分析方面均有突破。 卷积神经网络与普通神经网络的区别在于，卷积神
转载
2023-09-18 16:08:00
96阅读
目录前言一、基本流程二、推导1、初始化 2、正向计算（Forward）3、反向传播（Backpropagation）4、更新结论前言本此周报主要是对CNN的基本流程进行手动推导学习，进一步理解卷积网络的运行过程。同时温习整个卷积神经网络的运作机制。一、基本流程在卷积神经网中的输入x，通常是以矩阵进行输入，在下图中的输入矩阵，横数是“很好看呢！”这几个的个数，列数是词向量的维度，0.3、0
转载
2023-06-14 22:35:32
158阅读
一、卷积神经网络与传统神经网络的学习原理对比传统神经网络：有监督的机器学习，输入为特征。其训练过程为：输入（原始图像）→人工进行特征提取→神经网络进行分类→输出卷积神经网络：无监督特征学习，输入为最原始的图像。其训练过程为：输入（原始图像）→特征提取和分类都由神经网络进行→输出传统神经网络依靠人工设计特征，局限于研究人员的经验和特征表达能力，无法应对各种不变性。传统神经网路与SVM类似，角色只是一
转载
2023-09-22 21:18:20
74阅读
卷积神经网络的卷积核大小、个数，卷积层数如何确定呢？ 卷积神经网络的卷积核大小、卷积层数、每层map个数都是如何确定下来的呢？看到有些答案是刚开始随机初始化卷积核大小，卷积层数和map个数是根据经验来设定的，但这个里面应该是有深层次原因吧，比如下面的手写字卷积神经网络结构图1，最后输出为什么是12个map，即输出12个特征？然后图2又是输出10个特征了？ 在达到相同
转载
2023-10-13 00:20:08
60阅读
卷积神经网络的训练过程卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段。另外一个阶段是，当前向传播得出的结果与预期不相符时，将误差从高层次向底层次进行传播训练的阶段，即反向传播阶段。训练过程如图4-1所示。训练过程为：1、网络进行权值的初始化；2、输入数据经过卷积层、下采样层、全连接层的向前传播得到输出值；3、求出网络的输出值与目标值之间的误差；4、当
转载
2018-05-09 11:46:00
200阅读
风格迁移（style transfer）是让一张图片内容不发生改变，但样式改为另一张图片效果。 这里所使用的风格迁移并不是基于 GAN 的，而是基于卷积神经网络的风格迁移方法（当然现在主流的风格迁移是基于 GAN 的，感兴趣的可以了解一下
转载
2024-01-02 12:15:26
128阅读
卷积神经网络（CNNs）是人工神经网络的一种，最早在1989年，Yann LeCun等在研究神经网络时，受到Hubel和Wiesel等生物学家对动物模型的研究启发，首次提出了卷积神经网络结构，能够较好的模拟视觉皮层中的细胞之间的信息传递。卷积神经网络的提出在小数据小尺寸图像的研究上刷新了当时的研究成果。但在较长的时间一直没有较好
转载
2023-10-28 12:30:34
53阅读
卷积神经网络的构成人们通过引入神经网络的误差方向传播算法，得到了卷积神经网络，同神经认知机一样，也是基于人类视皮层中感受野的结构的模型。卷积神经网络由输入层、卷积层、池化层、全连接层和输出层组成。 其中，卷积层、池化层和全连接层的层数不是固定的，通过增加层数可以得到深层次的网络，不过同时要注意因网络层的加深而引起的过拟合、训练时间过长等问题。卷积层卷积层的功能是对输入数据进行卷积操作得到特征图。这
转载
2024-01-28 02:55:45
43阅读
卷积神经网络好久没写东西了，惭愧。。。。 声明：此文只是作者作为搬运工从别的博客进行复制，以变自己留做学习。如有错误恳请纠正在切入卷积神经网络之前我们首先得明白这几个东西：卷积，bp神经网络，池化，卷积神经网络结构。以及最后的代码实现，和作者网上抄的几个例子。卷积看似比较奥秘的东西，其实就是图像矩阵与卷积核对应值相乘，然后再将其值进行求和。 3 * 3 的像素区域R与卷积核G的卷积运算：R5(
转载
2023-11-01 23:01:38
56阅读
# 卷积神经网络与迁移学习
## 引言
近年来，随着深度学习技术的快速发展，卷积神经网络（Convolutional Neural Network，简称CNN）在计算机视觉领域取得了巨大的成功。而迁移学习（Transfer Learning）则是一种利用已经训练好的模型，在新的任务上进行微调的方法。本文将介绍卷积神经网络和迁移学习的基本概念，并给出相应的代码示例。
## 卷积神经网络（CNN
原创
2023-08-11 13:29:18
255阅读
1.前言 这篇文章是我通过学习黄文坚、唐源所著的《TensorFlow实战》之后的简单总结，通过这本书使我对深度学习更加了解，现整理出一些部分分享给大家，错误之处可以在评论区指出，以便我加以改正，谢谢！2.卷积神经网络简介
卷积神经网络的概念最早起源于科学家提出感受野（Recepti
转载
2023-12-14 10:49:05
27阅读
神经卷积网络CNN的组成一般包括：数据输入层（Input layer），卷积计算层（Convolutional layer）、激励层（如 ReLu layer）、池化层（Pooling layer）、全连接层（Full-connected layer）。1、数据输入层为使下一步的车牌识别作好准备，本文对原始图形作了预处理。在图像预处理中，对现有的图像进行改进，或对一些重要的图像进行增强，从而获得较
转载
2023-11-02 08:13:03
70阅读
1、人脸识别人脸验证（Face Verification）：输入图片和模板图片是否为同一人，一对一问题。 人脸识别（Face Recognition）：输入图片，检测是否为多个模板图片中的一个，一对多问题。一般来说，人脸验证由于范围较小难度较小，而人脸识别需要进行一对多的比对难度较大准确率也较低。One-Shot Learning： 由于人脸数据库的容量 K 并不固定，如果使用以前的分类方法，在全
转载
2023-11-13 11:39:04
96阅读
对图像可以使用均值滤波器进行降噪。 卷积核越大意味着感受野越大，也就是会感受到更多的信息、学习导更多的信息，但是
原创
2022-07-25 10:33:50
224阅读
这一章笔记主要讲述卷积神经网络做图像识别，图像定位的知识。
原创
2021-07-26 11:20:37
1252阅读
系列博客是博主学习神经网络中相关的笔记和一些个人理解，仅为作者记录笔记之用，不免有很多细节不对之处。三个基本概念卷积神经网络（Convolutional Neural Network）采用三种基本概念：局部感受野（local receptive fields）,共享权值（shared weights）和池化（pooling，也有称为混合，或者subsample，下采样）。让我们逐个看下。局部感受野
转载
2023-11-10 12:23:03
10阅读
How do these “neural network style transfer” tools work?是否能利用机器学习来自动把我画的画变得更有艺术感？于是我决定花点时间去理解一下如何实现，重要的是里面的数学原理，而不仅仅是直觉的感受。我从A Neural Algorithm of Artistic Style文章开始，因为它写得简明扼要。这篇文章的作者另外还建立了一个在线艺术风格迁
