边界填充（padding）：卷积过程中，越靠近图片中间位置的像素点越容易被卷积计算多次，越靠近边缘的像素点被卷积计算的次数越少，填充就是为了使原来边缘像素点的位置变得相对靠近中部，而我们又不想让填充的数据影响到我们的计算结果，故填充值选择均用0来填充。 池化层不需要参数、只是对特征图进行压缩操作，以 ...
分类：
其他好文 时间：
2018-05-16 15:25:15
阅读次数：
147
池化层(Pooling layer)同样是收到了视觉神经科学的启发。在初级视觉皮层V1(Primary visual cortex)中，包含了许多复杂细胞(Complex cells)，这些细胞对于图像中物体微小的变化具有不变性(invariance to small shifts and dist ...
分类：
Web程序 时间：
2018-05-14 22:56:08
阅读次数：
286
CNN（Convolutional Neural Network） （1）CNN的概念 CNN，常被称作卷积神经网络，经常被用于图像处理。 CNN最关键的两个步骤是：卷积与池化。以下是它的过程图： CNN之所以能够进行卷积，有两点理由：1.图像的模式会远远的小于整张图片；2.图像中相同的模式会出现在 ...
分类：
其他好文 时间：
2018-05-10 13:21:23
阅读次数：
162
此模型中，输入是28*28*1的图片，经过两个卷积层（卷积+池化）层之后，尺寸变为7*7*64，将最后一个卷积层展成一个以为向量，然后接两个全连接层，第一个全连接层加一个dropout，最后一个全连接层输出10个分类的预测结果，然后计算损失，进行训练。 代码如下： ...
分类：
其他好文 时间：
2018-05-09 22:46:40
阅读次数：
207
基础概念： 卷积神经网络（CNN）：属于人工神经网络的一种，它的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。卷积神经网络不像传统的识别算法一样，需要对数据进行特征提取和数据重建，可以直接将图片作为网络的输入，自动提取特征，并且对图形的变形等具有高度不变形。在语音分析和图像识别领域有重 ...
分类：
其他好文 时间：
2018-05-09 21:31:38
阅读次数：
216
论文英文原文网址：https://arxiv.org/abs/1511.00561 SegNet也是图像分割的经典网络，论文的题目可以了解到，SegNet是一个有深度的，带卷积的，同时也自带编码-解码的结构，这个结构主要用于图像分割。SegNet也是一个全卷积神经网络。他的中心结构主要包括：一个编码 ...
分类：
Web程序 时间：
2018-05-09 16:00:06
阅读次数：
5585
一、介绍 局部响应归一化LRN LRN用于卷积和池化之后的结果。由于使用多个卷积核，所以得到的特征图有多个“通道”。 求和的方向是通道的方向 二、作用 如果一个点的值较大，就会导致它的平方较大。导致它附近的点进行LRN计算时的分母较大，从而结果较小。起到抑制附近神经元的作用 ...
分类：
Web程序 时间：
2018-05-05 14:18:03
阅读次数：
187
在第十三节，我们已经介绍了使用带有全局平均池化层的CNN对CIFAR10数据集分类，在学习了反卷积神经网络之后我们把第十三节那个程序里的卷积层可视化出来。 一 替换掉tf.nn.max_pool()函数 这里不再使用自己定义的max_pool_2x2函数，改成新加入的带有mask返回值得max_po ...
分类：
其他好文 时间：
2018-05-05 12:36:02
阅读次数：
359
一、结构 每个特征图一整张图片进行全局均值池化，每张特征图得到一个输出，对应于一个输出类别。例如 CIFAR-100分类任务，可直接将最后一层 Mlpconv 输出通道设为100，对每个 Feature Map 进行全局平均池化得到100维的输出向量。 二、作用 1.GAP不需要参数，但全连接层需要 ...
分类：
Web程序 时间：
2018-05-05 11:22:36
阅读次数：
228
反卷积是指，通过测量输出和已知输入重构未知输入的过程。在神经网络中，反卷积过程并不具备学习的能力，仅仅是用于可视化一个已经训练好的卷积神经网络，没有学习训练的过程。反卷积有着许多特别的应用，一般可以用于信道均衡、图像恢复、语音识别、地震学、无损探伤等未知输入估计和过程辨识方面的问题。 在神经网络的研 ...
分类：
其他好文 时间：
2018-05-04 23:21:09
阅读次数：
813
