1. 卷积层（Convolution Layer）：由若干个卷积核f（filter）和偏移值b组成，（这里的卷积核相当于权值矩阵），卷积核与输入图片进行点积和累加可以得到一张feature map。 卷积层的特征： （1）网络局部连接：卷积核每一次仅作用于图片的局部 （2）卷积核权值共享：一个卷积层 ...
分类：
其他好文 时间：
2020-01-30 10:11:49
阅读次数：
160
1. 全连接层：主要用于分类，把分布式特征映射到样本标记空间。全连接层的每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来。全连接层中的权值矩阵Wi的每一行相当于一个分类模版，xi与Wi矩阵乘法，即可得到xi与每一个模板的匹配度，从中选取得分最高的匹配模板。 在 CNN 结构中，经多 ...
分类：
其他好文 时间：
2020-01-29 21:49:30
阅读次数：
232
介绍 卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 对比：卷积神经网络 ...
分类：
其他好文 时间：
2020-01-14 00:02:34
阅读次数：
107
参考：https://www.cnblogs.com/zongfa/p/9076311.html Introduction 在一般的CNN结构中，在卷积层后面通常连接着全连接。而全连接层的特征数是固定的，所以在网络输入的时候，会固定输入的大小(fixed-size)。但在现实中，我们的输入的图像尺寸 ...
分类：
其他好文 时间：
2020-01-13 01:06:54
阅读次数：
185
VGG AlexNet在Lenet的基础上增加了几个卷积层,改变了卷积核大小,每一层输出通道数目等,并且取得了很好的效果.但是并没有提出一个简单有效的思路. VGG做到了这一点,提出了可以通过重复使?简单的基础块来构建深度学习模型的思路. 论文地址: vgg的结构如下所示: 上图给出了不同层数的vg ...
分类：
Web程序 时间：
2020-01-11 00:38:14
阅读次数：
130
论文地址：http://openaccess.thecvf.com/content_ICCV_2019/papers/Zhao_EGNet_Edge_Guidance_Network_for_Salient_Object_Detection_ICCV_2019_paper.pdf 当前方法的问题 全 ...
分类：
Web程序 时间：
2019-12-22 16:50:17
阅读次数：
141
设计的CNN模型包括一个输入层，输入的是MNIST数据集中28*28*1的灰度图 两个卷积层， 第一层卷积层使用6个3*3的kernel进行filter，步长为1，填充1.这样得到的尺寸是（28+1*2-3)/1+1=28,即6个28*28的feature map 在后面进行池化，尺寸变为14*14 ...
分类：
其他好文 时间：
2019-12-20 15:13:36
阅读次数：
220
1.LeNet LeNet是指LeNet-5，它是第一个成功应用于数字识别的卷积神经网络。在MNIST数据集上，可以达到99.2%的准确率。LeNet-5模型总共有7层，包括两个卷积层，两个池化层，两个全连接层和一个输出层。 import torch import torch.nn as nn fr ...
分类：
其他好文 时间：
2019-12-20 12:16:20
阅读次数：
121
padding的规则 · padding=‘VALID’时，输出的宽度和高度的计算公式（下图gif为例） 输出宽度：output_width = （in_width-filter_width+1）/strides_width =（5-3+1）/2=1.5【向上取整=2】 输出高度：output_he ...
分类：
其他好文 时间：
2019-12-08 00:56:37
阅读次数：
116
利用pytorch来构建网络模型，常用的有如下三种方式 前向传播网络具有如下结构： 卷积层--》Relu层--》池化层--》全连接层--》Relu层 对各Conv2d和Linear的解释如下 Conv2d的解释如下 """ Conv2d(in_channels, out_channels, kern ...
分类：
其他好文 时间：
2019-12-03 21:35:28
阅读次数：
122
