我想在角星上使用经过预先训练的VGG16。我的问题很简单。在预测输入图像的标签之前，我应该对其进行规范化吗？
浏览 0提问于2017-12-23得票数 3
回答已采纳
1回答
LeNet-5:图像分类，VGG-16:图像分类起始模块:图像分类，EfficientNet:图像分类，滑动窗口检测算法:目标检测，目标检测，U-Net:语义切分
如果错了，请纠正我。
浏览 4提问于2021-09-14得票数 1
回答已采纳
1回答
我对使用CNN进行图像识别非常陌生，目前正在使用Keras (VGG和ResNet)中提供的几种标准(预训练)架构来完成图像分类任务。我想知道如何将输入通道的数量推广到3个以上(而不是标准的RGB)。有什么简单的方法可以用ResNet或VGG来做吗？
浏览 12提问于2018-08-28得票数 7
回答已采纳
1回答
我几乎没有图像识别的经验，我总是使用谷歌视觉Api或者一些来自Google/tensorflow的预先训练过的网络，比如VGG-16。
我想知道:你认为这种粒度水平可以达到吗？
浏览 0提问于2017-03-27得票数 0
回答已采纳
1回答
我试图用Python中的ResNet50 (keras)来进行图像识别。我试着用VGG16完成同样的任务，我得到了一些类似的结果(对我来说似乎没问题)：。我的ResNet模型如下所示：model = Sequential()model.add(Dropout(0.4))
model.add(Dense(NUM_CLAS
浏览 3提问于2020-04-15得票数 6
回答已采纳
1回答
基于CNN和RNN的图像序列训练
、、、、
我正在创建一个模型(如您在下面看到的)，使用时间分散的CNN(预先培训的VGG16)和LSTM来输入所有类的所有帧，并带有共同响应的标签(在上面的示例中，制作食物将是对p1_rgb_frame1等的协同响应标签
浏览 3提问于2020-11-30得票数 5
回答已采纳
我正在使用传输学习来建立一个图像识别模型，使用预先训练的VGG网络在Keras和排除最终完全连接层，以获得输出权重。
浏览 0提问于2018-03-02得票数 10
2回答
假设我有一个包含50个隐层的深度神经网络，在隐层的每个神经元上都使用ReLu激活函数。我的问题是或者我们可以说，当所有激活函数都是ReLu时，永远不会出现消失梯度问题？“
浏览 0提问于2021-07-19得票数 1
2回答
第一个是网络，如下所示 model = Sequential() model.load_weights(weights_path)
第二网
def VGG2
浏览 5提问于2016-01-07得票数 2
回答已采纳
我正在使用TensorFlow和Keras做一个图像识别项目，我想要实现到我的安卓项目。我对坦索弗洛很陌生..。from tensorflow.keras.applications.vgg16 import VGG16preprocess_inputimport numpy as np
from PIL imp
浏览 15提问于2022-04-22得票数 0
回答已采纳
2回答
重要的CNN架构
、、
你应该知道哪些重要的CNN架构？在ImageNet ILSVRC挑战中，CNN的架构做得很好吗？哪些CNN架构是转移学习的好候选者？
浏览 0提问于2017-08-26得票数 0
1回答
我想训练VGG 128x128大小的图像。我不想将它们重放到224x224以节省GPU内存和训练时间。这样做的适当方式是什么？
浏览 2提问于2017-10-26得票数 3
回答已采纳
当我使用pytorch时，我想知道为什么不能使用“从torchvision.models.vgg导入*”从torchvision.models.vgg导入部分函数或变量from torchvision.models.vggimport *
print(cfgs["A"])from torchvision.models.vgg import *
if __name__=="__ma
浏览 1提问于2021-10-29得票数 1
回答已采纳
2回答
无法将VGG16层转换为顺序
、、、、
我正在尝试用VGG16预训练模型进行图像分类.同样，我做了以下工作：该模型的类型如下：tensorflow.python.keras.engine.training.Modelmodel = Sequential()for layer in vgg16
浏览 1提问于2018-11-15得票数 0
回答已采纳
1回答
我想在Keras中使用使用VGG19网络的自定义损失函数。Lambdaimport keras.backend as K 我使用以下命令构建vgg模型： def build_vgg_loss():img = Input(shape=(300, 300, 3)) vgg.outputs<em
浏览 20提问于2019-05-06得票数 2
回答已采纳
我正在使用传输学习来建立一个图像识别模型，使用预先训练的VGG网络在Keras和排除最终完全连接层，以获得输出权重。
浏览 2提问于2018-03-02得票数 0
我尝试使用Concatenate()来创建VGG16和VGG19的集成。我的图像的形状是(224,224，3)。我不明白这个错误是怎么回事。= VGG19(input_shape=IMAGE_SIZE, weights='imagenet', include_top=False) layer.trainable = False
vgg16 = VGG
浏览 192提问于2021-08-04得票数 1
回答已采纳
对于为我的实验提取VGG16 16/VGG16 19特性，我有一个疑问。预先培训的VGG16和VGG19模型已经在有1000个类的ImageNet数据集上进行了培训(例如c1，c2，.c1000)，通常我们从指定的第一层和第二层('FC1‘和’FC2‘)中提取特征，然后将这在研究论文中，作者简单地说，他们使用了从VGG19 16/VGG19 19网络中提取的特征，在Imagenet数据集上进行了预训练，但没有给出任何进一步的细节。我提供一个个案研究，以供参考
浏览 6提问于2020-08-26得票数 2
回答已采纳
我正在尝试训练一个情感识别模型，它使用VGG层的一个输出作为输入。第二个模型使用连接的特征映射数组作为输入(我正在处理视频数据)，因此我不能简单地将其连接到VGG的输出。我尝试以这种方式使用tf.data.dataset API文档中描述的映射操作： vgg16 = tf.keras.applications.vgg16.VGG16outputs=vgg16.layers[-3].get_output_at(0))
re
浏览 1提问于2018-11-07得票数 2
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
