在https://www.cnblogs.com/zhengbiqing/p/11780161.html中直接在resnet网络的卷积层后添加一层分类层，得到一个最简单的迁移学习模型，得到的结果为95.3%。 这里对最后的分类网络做些优化：用GlobalAveragePooling2D替换Flatt ...
分类：
Web程序 时间：
2019-11-30 22:50:49
阅读次数：
344
CNN的发展历程： 1962年，卷积神经网络的研究起源于Hubel和Wiesel研究毛脑皮层的发现局部互连网络可以有效降低反馈神经网络的复杂性。 1980年，CNN的第一个实现网络：Fukushima为解决模式识别问题基于神经元间的局部连通性和图像的层次组织转而提出的新识别机。 1998年，第一个多 ...
分类：
其他好文 时间：
2019-11-29 23:59:10
阅读次数：
166
创新点（小卷积核、小池化核、层数更深、全连接变卷积） 对AlexNet改进，在第一个卷积层中使用了更小的卷积核和卷积stride 多尺度(训练和测试时，采用图片的不同尺度（当然是按各向同性缩放的最小边划定标准）) 层数深 测试阶段，将三个全连接变为三个卷积层，以适应任何大小的图片输入（最后那里是sc ...
分类：
其他好文 时间：
2019-11-22 09:14:19
阅读次数：
101
原文地址：https://zhuanlan.zhihu.com/p/24833574 一.前言 CNN作为一个著名的深度学习领域的“黑盒”模型，已经在计算机视觉的诸多领域取得了极大的成功，但是，至今没有人能够“打开”这个“黑盒”，从数学原理上予以解释。这对理论研究者，尤其是数学家来说当然是不可接受的 ...
分类：
其他好文 时间：
2019-11-13 23:54:51
阅读次数：
477
#验证码识别# 解决办法：将验证码切割成单个字符训练 遇到问题：验证码字符大小不一或重叠 对上述问题的解决：通过CNN（卷积神经网络）直接就是端到端不分割的识别方式 处理验证码：将图片二值化 输入验证码的信息：图片大小、最大字母、表示方法 选2*2（3个卷积层和1个全连接层）的最大池化层和dropo ...
分类：
编程语言 时间：
2019-11-13 19:12:54
阅读次数：
121
讲授卷积神经网络面临的挑战包括梯度消失、退化问题，和改进方法包括卷积层、池化层的改进、激活函数、损失函数、网络结构的改 进、残差网络、全卷机网络、多尺度融合、批量归一化等 大纲： 面临的挑战梯度消失问题退化问题改进的总体思路卷积层的改进用矩阵乘法实现卷积运算池化层的改进激活函数的改进损失函数的改进高 ...
分类：
其他好文 时间：
2019-11-11 23:08:20
阅读次数：
166
来源：https://blog.csdn.net/sinat_32043495/article/details/78841553 全连接层 / FC layer 两层之间所有神经元都有权重连接 通常全连接层在卷积神经网络尾部 激励层(ReLU)把卷积层输出结果做非线性映射 Sigmoid Tanh( ...
分类：
其他好文 时间：
2019-11-10 19:08:28
阅读次数：
103
一.网络结构 AlexNet由5层卷积层和3层全连接层组成。 论文中是把网络放在两个GPU上进行，为了方便我们仅考虑一个GPU的情况。 上图中的输入是224×224224×224，不过经过计算(224?11)/4=54.75(224?11)/4=54.75并不是论文中的55×5555×55，而使用2 ...
分类：
Web程序 时间：
2019-10-31 13:10:31
阅读次数：
116
AlexNet网络是由5个卷积层和3个全连接层构成 下面这个是一个平面图，可能会更好看一些： 1 2 3 4 5 6 7 8 9 10 11 一、 字母解析： 1、s：(stride)步伐的意思，表示每次跨几个像素点 （例：s = 1则表示第一次最左上角取(1,1)这个点，往后走两步，下一次的左上角 ...
分类：
Web程序 时间：
2019-10-29 18:12:49
阅读次数：
180
1. LeNet（1998） 2.AlexNet（2012）:层数更深，同时第一次引入了激活层ReLU，在全连接层引入了Dropout层防止过拟合 3.VGGNet（2014）：有16~19层网络，使用了3*3的卷积滤波器和2*2的池化层。只是对网络层进行不断的堆叠，并没有太大的创新，增加深度缺失可 ...
分类：
其他好文 时间：
2019-10-28 21:18:55
阅读次数：
108
