1回答
我正在尝试理解计算机视觉的卷积网络中的过滤器的概念。我知道它们是做什么的，例如，它们可以用来降低输入图像的维度，等等。我的问题是这些过滤器是从哪里来的？假设你有1000个图像的输入空间，每个36x36x3，其中3是通道(一个用于R，G和B)……这意味着我们有3个矩阵表示每个图像...总共是1000 x 3= 3
浏览 5提问于2019-04-02得票数 0
2回答
基于预训练卷积神经网络的特征提取
、、、、
在Fran ois Chollet (Keras的创建者)的书“”第5.3节(见)中，我不清楚以下内容：
在我们<
浏览 1提问于2018-08-09得票数 0
回答已采纳
我正在尝试从图像中提取特征和标签，然后将它们提供给密集连接的分类器VGG16。提取特征的函数如下所示。labels_batch if i * batch_size >= sample_count: return features, labels
但当我尝试的
浏览 10提问于2020-05-11得票数 0
回答已采纳
1回答
我正在训练一个卷积神经网络来分类雾条件下的图像(3类)。然而，对于大约150.000张图像，我还提供了四个气象变量，它们可能有助于预测图像的类别。我想知道如何将气象变量(如温度、风速)添加到现有的CNN结构中，以便有助于分类。我已经想到的一种方法是在CNN旁边创建另一个(小的)前馈神经网络，然后将CNN层的输出
浏览 0提问于2018-05-08得票数 23
回答已采纳
2回答
我把SSD和mobilenet搞混了。据我所知，它们都是神经网络。SSD提供本地化，而mobilenet提供分类。因此，SSD和移动网络的结合可以产生目标检测。这张图片来自。SSD的默认分类网络是VGG-16。因此，对于SSD Mobilenet，VGG-16将替换为移动网络。我的陈述正确吗？我在哪里可以获得更多关于SSD Mobilenet的信息，特别是在Tensorflow模型
浏览 2提问于2018-05-29得票数 4
我最近看到了一个关于媒体的博客，列出了YOLOX与其前身YOLOv5相比所取得的进展。YOLOX使用解耦的磁头
有人能列出在YOLO体系结构上经过一段时间的主要优化吗？
浏览 0提问于2021-11-11得票数 1
回答已采纳
3回答
我是机器学习领域的新手，我有一个问题要问。但让我先发布这个问题。我选择了解决方案:在大多数情况下，解决方案也是非常简单的。利用SIFT、SURF等算法提取兴趣点，得到这些关键点的描述子，并用K均值算法对其进行聚类。然后使用这些聚类数据生成单词
浏览 0提问于2016-12-26得票数 0
1回答
高维数据集的处理
、、、
我有维数(25000, 100, 500)的数据，即25000行，每个行由一个二维的100×500矩阵组成。目前，我只申请CNN的分类目的。还有其他方法可以对这些数据进行建模吗？我把二维矩阵压平成一维阵列，形状(50000, )，并在(25000, 50000)数据集上应用主成分分析，我得到了约85%的解释方差的400个分量。PCA和LDA仍然适用于这样的高维数据集吗？(堆栈上的其他类似问题不解决此问题)
还有其他方法可以提取
浏览 0提问于2020-09-10得票数 2
3回答
因此，我是计算机视觉的新手，我不知道keras中的层是做什么的。在keras中添加层(dense、Conv2D等)有什么用？他们给它添加了什么？
浏览 1提问于2020-03-04得票数 2
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
3回答
为什么会有两层稠密层？
、、、、
我一直在使用以下模型进行图像分类。我想知道为什么在512之前有Dense3稠密层。我应该只使用Dense3吗？而不是丹尼斯512-丹尼斯3？
浏览 0提问于2020-08-05得票数 2
1回答
我目前正在开发一个图像拼图和分类器，使用的是带有tensorflow.keras的神经网络。网络从几个卷积开始，然后这些卷积将连接到几个密集层。最终，我希望将密集层的输出划分为更小的密集网络，如图所示。我不确定如何将最后一个密集层拆分成这些
浏览 17提问于2020-11-11得票数 1
在我正在开发的应用程序中，我有大约5000张产品标签图像(每个产品有一个标签)。
我的应用程序的一个功能是，用户可以使用他的相机拍摄一张照片，并得到一个可能的匹配(Es)的产品标签注册的系统。由于最初，我的系统每个产品只有一个样本，所以我决定采用传统的计算机视觉技术。我使用特征提取和描述符匹配
浏览 0提问于2017-10-24得票数 1
回答已采纳
我的理解是，更快的RCNN是执行对象检测的体系结构。它在图像中找到物体并对它们进行分类。我的理解是VGG-16，RESNET-50等等.还可以在图像中找到对象并对其进行分类。是VGG-16，RESNET-50等等.对象检测体系结构与快速RCNN是一样的？我经常看到VGG-16，RESNET-50等等.作为“中坚”的RCNN速度更快，被文献严重搞糊涂了。提前感谢！
浏览 0提问于2019-06-26得票数 9
1回答
我正在学习更多关于深层CNN不同变体的知识。根据我的理解，ResNet使用了跳过连接，这种连接在某种程度上类似于金字塔或三角形？这有什么不同的特点金字塔网络那么？
浏览 0提问于2022-08-13得票数 1
我正在做一个在图像中定位对象的项目。我将要采用的方法是基于中的定位算法。
网络结构有两个优化头，分类头和回归头。在培训网络时，我如何尽量减少这两种情况？但问题是分类损失是软最大损失，回归损失是l2损失，这意味着它们有不同的范围。我不认为这是最好的方法。
浏览 1提问于2016-07-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
