为什么使用卷积？（Why convolutions?） 我们来分析一下卷积在神经网络中如此受用的原因，然后对如何整合这些卷积，如何通过一个标注过的训练集训练卷积神经网络做个简单概括。和只用全连接层相比，卷积层的两个主要优势在于参数共享和稀疏连接，举例说明一下。 假设有一张32×32×3维度的图片，这 ...
分类：
其他好文 时间：
2020-02-27 20:34:30
阅读次数：
68
卷积步长（Strided convolutions） 卷积中的步幅是另一个构建卷积神经网络的基本操作，让我向你展示一个例子。 如果你想用3×3的过滤器卷积这个7×7的图像，和之前不同的是，我们把步幅设置成了2。你还和之前一样取左上方的3×3区域的元素的乘积，再加起来，最后结果为91。 只是之前我们移 ...
分类：
其他好文 时间：
2020-02-27 19:19:43
阅读次数：
112
论文地址channel pruning是指给定一个CNN模型，去掉卷积层的某几个输入channel以及相应的卷积核，并最小化裁剪channel后与原始输出的误差。可以分两步来解决： channel selection利用LASSO回归裁剪掉多余的channel，求出每个channel的权重，如果为0... ...
分类：
其他好文 时间：
2020-02-25 12:51:56
阅读次数：
86
1、感知野： 在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map） 上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域，如图1所示。 感受野（Receptive Field），指的是神经网络 ...
分类：
其他好文 时间：
2020-02-24 13:10:57
阅读次数：
125
图像增广 在5.6节（深度卷积神经网络）里我们提到过，大规模数据集是成功应用深度神经网络的前提。图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的 ...
分类：
其他好文 时间：
2020-02-24 00:39:50
阅读次数：
84
样式迁移 如果你是一位摄影爱好者，也许接触过滤镜。它能改变照片的颜色样式，从而使风景照更加锐利或者令人像更加美白。但一个滤镜通常只能改变照片的某个方面。如果要照片达到理想中的样式，经常需要尝试大量不同的组合，其复杂程度不亚于模型调参。 在本节中，我们将介绍如何使用卷积神经网络自动将某图像中的样式应用 ...
分类：
其他好文 时间：
2020-02-24 00:15:54
阅读次数：
77
1. 计算机视觉的任务 （1）图像分类（Image Classification） ，指的是图像中是否存在某种物体，对图像进行特征描述。通过是CNN网络，结构基本是由卷积层、池化层以及全连接层组成，算法包括AlexNet（2012）、ZFNet（2013）、GoogleNet（2014）、VGGNe ...
分类：
其他好文 时间：
2020-02-22 15:36:41
阅读次数：
90
这些年深度学习的出现，让光学字符识别（OCR）技术焕发第二春。现在光学字符识别（OCR）基本都用卷积神经网络来做了，而且识别率也是惊人的好，人们也不再需要花大量时间去设计字符特征了。 在光学字符识别（OCR）系统中，人工神经网络主要充当特征提取器和分类器的功能，输入是字符图像，输出是识别结果，一气呵 ...
分类：
其他好文 时间：
2020-02-21 18:30:23
阅读次数：
130
把一本《白话深度学习与tensorflow》给啃完了，了解了一下基本的BP网络，CNN，RNN这些。感觉实际上算法本身不是特别的深奥难懂，最简单的BP网络基本上学完微积分和概率论就能搞懂，CNN引入的卷积，池化等也是数字图像处理中比较成熟的理论，RNN使用的数学工具相对而言比较高深一些，需要再深入消... ...
分类：
其他好文 时间：
2020-02-21 18:22:04
阅读次数：
95
杜教筛是用来求一类积性函数的前缀和，利用数论分块的思想来降低复杂度 假设我们现在要求 $S(n) = \sum_{i = 1}^n f(i)$ ，$f(i)$ 为积性函数, $n \leqslant 10^{12}$ ，假设有另一个积性函数 $g$。我们来求它们狄利克雷卷积的前缀和 $$ \begi ...
分类：
其他好文 时间：
2020-02-20 22:10:33
阅读次数：
79
