1回答
我有许多图像的数据集，其中图像有5个放大倍数(x10，x20，x30，x40，x50)到同一类，但它们不是序列数据，所有图像都处于RGB模式，大小为512x512，我想将这5张图像作为输入输入到CNN，但我不知道如何输入。此外，还有另一个问题，那就是一旦模型在5图像管道上得到了很好的训练，当我只有一个图像(一个放大倍率，例如x10 )时，它可以吗?或者它可以工作吗
浏览 253提问于2019-12-20得票数 4
回答已采纳
1回答
我正在编写一个程序，它可以以多个低分辨率图像作为输入，并输出高分辨率图像。
我的理解是，对于单个图像的超分辨率，卷积神经网络工作得很好。我只需要一个只有三个卷积层的网络，就像这里描述的那样。然后，我可以用大量的低分辨率图像和它们对应的高分辨率图像(具有均方误差代价函数)来训练网络，理论上应该是可行的。不过，如果我想获得更高的精度，我可以通过查看多幅</em
浏览 0提问于2018-02-03得票数 1
回答已采纳
例如，有一个3乘3的图像，最后，输出维数为2x2x2。并利用这4幅小图像作为一个完全连接的神经网络的输入。
最后，我还可以得到8个输出。我真的不知道CNN的反向传播，所以我试图从经典的完全连
浏览 1提问于2017-01-29得票数 0
回答已采纳
CNN这样的输出图像的功能添加到输入图像可以创建吗？例如，如果输入一个人的脸的图像，输出一个戴眼镜的人的脸的图像。
浏览 5提问于2017-01-17得票数 9
回答已采纳
1回答
我刚开始深入学习，我的第一个作业是完成一个基于卷积神经网络的树叶分类系统。我用github上的代码构建了一个resnet-34模型来做it.However，我的老师告诉我，他的数据集中的基本训练单元是图像对。我应该使用2幅图像(在不同光照条件下的同一片叶子的照片)作为输入，将两幅3通道图像合并成一幅6通道图像，但我不知道如何输入2幅图像并将它们组
浏览 2提问于2022-04-13得票数 1
2回答
我读过这篇文章，，当我转到这篇文章时: Layer #0:是MNIST数据库中手写字符的灰度图像，它被填充到29x29像素。输入层有29x29= 841个神经元。图层1:是一个有六个特征映射的卷积层。如何从图像上的卷积得到六(6)特征图？我想我们只得到一张特征地图。还是我错了？
浏览 2提问于2014-06-18得票数 2
回答已采纳
2回答
用于音频的卷积神经网络
、、、、
我一直在学习关于DeepLearning.net的教程，以学习如何实现从图像中提取特征的卷积神经网络。本教程解释得很好，易于理解和遵循。我读过几篇关于这个主题的论文(多模特征提取/表示)，但是没有人解释过音频是如何输入到网络中的。如果有人能了解音频是如何分解的，然后再用卷积神经网络来表示，我会非常感激。我也会感谢你的想法，关于多模式同步，联合申述，以及什么是正确的方式训练一个CNN与多模数据。编辑：我发现音
浏览 3提问于2014-03-18得票数 34
回答已采纳
卷积层是卷积神经网络(.Currently)中计算最密集的部分，常用的卷积层方法是将图像扩展为列矩阵(Im2col)，并利用现有的并行矩阵乘法库执行和执行多通道多核卷积。然而，im2col操作需要加载和存储图像数据，还需要另一个内存块来保存中间数据。
如果我需要优化卷积实现，我可以选择使用SIMD指令指导实现。这样的方法不会产生任何内存操作开销。浮点运算是否需要更多的指令周期？或者
浏览 0提问于2018-11-12得票数 4
让我们假设在有图像的同时，在图像的X轴上也有一个从左到右的梯度，在Y轴上还有一个从上到下的梯度。这两个梯度具有相同的图像大小，可能都在-0.5到0.5之间。
现在，我想做一个卷积核。卷积滤波器，即卷积权值)取决于(x, y)在梯度中的位置。所以内核是梯度的函数，就像核是嵌套的微型神经网络的输出。这将使过滤器的权重在每个位置上都不同，但与它们的邻居略有相似。当然，我可以自己计算一个，但是如果假装x==y==n，矩阵乘法就需要O(n^3)
浏览 2提问于2018-01-18得票数 2
回答已采纳
1回答
图像质量神经网络方案
、、、
我试图创建一个神经网络项目，以确定彩色图像的质量，并返回是否通过质量检查。这一质量检查将在包含50%好照片和50%坏照片的2000份样本中确定和培训。我正在尝试创建以下神经网络2x隐层==>层1= 1638400，2层= 409600神经元我的问题是，在简单的异或训练中，我们可以很容易地用两个输入，一个隐藏层，包括两个神经元和一个输出神经元。
浏览 5提问于2015-05-21得票数 0
回答已采纳
1回答
多输入深度学习中的平均层
、、、、
我正在为图像分类在Keras中创建一个多输入卷积神经网络(CNN)模型，它接受两幅图像并给出一个输出，这是两个图像的类。
我有两个数据集: type1和type2，每个数据集包含相同的类。模型应从Type1数据集获取一幅图像，从Type2数据集获取一幅图像，然后将这些图像分类为一个类别(ClassA或ClassB或-)。我想要创建一个模型来预测这两个图像<
浏览 0提问于2018-11-29得票数 2
回答已采纳
1回答
多通道图像数据集上的卷积网训练
、、、、
我正试图从零开始实现一个卷积神经网络，我无法弄清楚如何对rgb这样的三维多通道图像执行(矢量化)操作。在遵循文章和教程(如 )之后，实现单个输入的网络是非常清楚的，因为输入层将是一个3d矩阵，但是数据集中总是有多个数据点。因此，我想不出如何在整个数据集中实现这些网络的向量化操作。我已经实现了一个以三维矩阵为输入的网络，但现在我意识到它不能在整个数据集上工作，但我必须一次传播一个输入，我真的不知道conv网是否在整个数
浏览 4提问于2017-08-22得票数 1
回答已采纳
1回答
我对卷积神经网络中的多通道方案感到困惑。假设我有一个10(宽度)*5(高度)*6(通道)图像，我将它输入到默认的二维卷积层中，其中包含stride=1和padding=0，期望输出为8(宽度)*3(高度)*16(通道)。我知道内核的大小是3(宽度)*3(高度)，但我不知道到底有多少内核，以及如何将其应用于输入数据以给出最后的16个通道。
有人能帮我吗。
浏览 1提问于2021-03-09得票数 0
回答已采纳
1回答
所以我知道，对于标准的卷积神经网络，你可以给神经网络(NN)提供一个带有标签列表的文件，或者简单地按文件夹将你的类分开，但是，比如分段，我想它是不同的，对吗？例如，使用像labelme2这样的站点，您可以对图像进行注释和分割，然后将它们与掩码文件和标签的XML文件一起下载。是否需要随后将原始图像、掩码图像和XML文件输入到实例分割NN中？
提前谢谢。
浏览 0提问于2017-05-06得票数 0
回答已采纳
1回答
我有一个卷积神经网络，我的输入数据是来自不同视点的同一对象的10.000幅图像(在图像周围的三维角度)。我的网络融合了，但我不确定网络是否记住了所有不同的角度/观点。我的训练/测试图看起来如下(红色训练，绿色测试)：既然考试比训练还低，我希望网络能把所有的图像都背下来？即使我有10.000种不同的图像。
浏览 1提问于2017-03-20得票数 0
回答已采纳
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
目前，我正尝试用VGG16训练一个简单的图像分类任务的卷积神经网络。它基于本教程：。我的目标是将该模型转换为CoreML，并将其用于iOS上的图像分类。”，image_input_names =“数据”，class_labels =“类路径”)
现在看来，问题就在卷积神经网络</
浏览 1提问于2017-12-08得票数 0
我的研究问题绝对可以从使用卷积神经网络(cnn)中受益。我正在尝试建立一个cnn，用于特定于我的研究问题的图像转换。到目前为止，我遇到的大多数cnn例子都是某种形式的分类。对于分类示例，我理解cnn的基本操作，给定输入图像，网络给出一个数字。将这个数字与标签(与输入图像相关联)进行比较，然后将由此产生的误差反向传播到网络，以调整下一次迭代的权重。对于我的转换问题，网络的输出是一幅图像，而“标签”，即
浏览 0提问于2018-04-21得票数 0
1回答
我目前正在构建一个2通道(也称为双通道)卷积神经网络，以便将2幅二进制图像(包含二进制对象)分类为“相似”或“不同”。
我遇到的问题是，网络似乎并不总是收敛到相同的解决方案。例如，我可以使用完全相同的训练对排序和所有相同的参数等等，当我多次运行网络时，每次都会产生不同的解决方案；有时收敛到2%以下的错误率，而另一些时候则得到50%的错误率。这个问题甚至发生在我使用SGD的势头，所以我真的不知道如何‘强迫’网络收敛到相同的解决方案(全局
浏览 1提问于2019-06-28得票数 1
回答已采纳
2回答
最近，我开始使用tensorflow，同时尝试学习流行的算法，在这种情况下，我需要寻找图像之间的相似性。图像A由我提供给系统，而userx提供一个图像B，如果图像B类似(颜色和类)，系统应该将图像A检索到userx。
我们是否认为这种情况是监督学习呢？
浏览 0提问于2016-11-17得票数 5
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
