风格迁移 Neural Transfer风格迁移，即获取两个图片（一张内容图片content-image、一张风格图片style-image），从而生成一张新的拥有style-image图像风格的内容图像。如上图，最右边的乌龟图像拥有了中间海浪图像的风格。数学基础基本思路最基本的思想是很简单的，首先我们定义一个两个距离，一个为内容距离(DC) 另一个为风格距离(DS). DC 测量两个图片之间内容
转载
2023-09-29 19:30:46
141阅读
须知：本文作者建议各位读者结合Coursera上Andrew NG（吴恩达）教授的DeeLearning.ai课程一同学习，理解效果更佳。本文为《Convolutional Neural Networks》第四周 特殊应用：人脸识别和神经风格迁移的学习笔记。 文章目录什么是神经风格迁移（What is neural style transfer?）深度卷积网络学习什么？（What are deep
转载
2023-11-20 06:00:46
143阅读
https://github.com/jm199504/VGG-NETNeural Style Transfer 神经风格迁移，是计算机视觉流行的一种算法，最先论文来源《 A Neural Algorithm of Artistic Style》所谓的图像风格迁移，是指利用算法学系著名画作的风格，将这个风格应用到我们自定义的图片上，其中著名的图像处理应用Prisma是用利用风格迁移技术，将普通人的
转载
2023-11-02 07:19:58
64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
卷积神经网络详解一、实验介绍1.1 实验内容Prisma 是最近很火的一款APP，它能够将一张普通的图像转换成各种艺术风格的图像。本课程基于卷积神经网络，使用Caffe框架，探讨图片风格迁移背后的算法原理，手把手教你实现和Prisma一样的功能，让电脑学习梵高作画。本节课我们将学习CNN(卷积神经网络)的相关知识，学习本门课程之前，你需要先去学习814 使用python实现深度神经网络，也许你已经
转载
2024-01-04 08:51:22
29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
论文原文：A Neural Algorithm of Artistic Style
论文译文：卷积 最外层补零padding 彩色图片，三位卷积核在三维的输入中滑动，生成一个二维的feature map？ **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：填充值的大小
S：步长大小**卷积的时候考虑bias不同的卷积核有不同的作用VGG
转载
2024-01-02 14:13:05
74阅读
1.1 常用传递函数 函数名称映射关系缩写说明阶梯函数n<=0; a=0n>0; a=1step大于0，输出1符号函数n<0; a=-1n>=0; a=1sgn大于等于0，输出1线性函数a=nlinearn本身就是神经元输出饱和线性函数n<0; a=00<=n<=1; a=nn>1; a=1rampn小于0
转载
2023-10-26 20:42:40
74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
在我们读计算机视觉的相关论文时，经常会看到平移不变性这个词，通常观点中，大家都是普遍认为CNN是具有平移不变性的，然而近年来，有一些工作的研究对平移不变性提出了质疑，本文对一些平移不变性的理解进行记录，对于持有平移不变性的观点，和持有平移变化的观点，对该两类观点进行简单的记录，不提出相关的解决方法。1. 什么是平移不变性？要解释平移不变性，首先要介绍一下不变性的概念。不变性意味着即使目标的外观发生
转载
2023-11-02 11:24:14
87阅读
1.1 常用传递函数 函数名称映射关系缩写说明阶梯函数n<=0; a=0n>0; a=1step大于0，输出1符号函数n<0; a=-1n>=0; a=1sgn大于等于0，输出1线性函数a=nlinearn本身就是神经元输出饱和线性函数n<0; a=00<=n<=1; a=nn>1; a=1rampn小于0
转载
2023-10-26 20:42:40
74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
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
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
Transformer网络可以利用数据之间的相关性，最近需要用到这一网络，在此做一些记录。 目录1、Transformer网络概述2、transformer推理训练3、nn.transformer函数4、其他transformer实现4.1 convtransformer 1、Transformer网络概述Transformer网络最初被设计出来是为了自然语言处理、语言翻译任务，这里解释的也主要基
转载
2023-07-25 23:34:15
212阅读
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
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
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
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
