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
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
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
概述深度学习中CNN网络是核心，对CNN网络来说卷积层与池化层的计算至关重要，不同的步长、填充方式、卷积核大小、池化层策略等都会对最终输出模型与参数、计算复杂度产生重要影响，本文将从卷积层与池化层计算这些相关参数出发，演示一下不同步长、填充方式、卷积核大小计算结果差异。一：卷积层卷积神经网络(CNN)第一次提出是在1997年，杨乐春（LeNet）大神的一篇关于数字OCR识别的论文，在2012年的I
分类：
其他好文 时间：
2018-04-27 12:14:22
阅读次数：
190
AlexNet的基本结构 Alexnet是由5个卷积层和三个全连接层组成，一共8个权重层(池化层不是权重层因为其没有参数),其中ReLU激活函数作用在每个卷积层和全连接层上，在第一个卷积层和第二个卷积层后面连接一个局部响应规范化层，最大池化层作用在第一个卷积层，第二个卷积层和第五个卷积层的输出上。 ...
分类：
Web程序 时间：
2018-04-20 14:31:56
阅读次数：
338
在官方tutorial的帮助下，我们已经使用了最简单的CNN用于Mnist的问题，而其实在这个过程中，主要的问题在于如何设置CNN网络，这和Caffe等框架的原理是一样的，但是tf的设置似乎更加简洁、方便，这其实完全类似于Caffe的python接口，但是由于框架底层的实现不一样，tf无论是在单机还 ...
分类：
其他好文 时间：
2018-04-15 21:49:43
阅读次数：
209
faiss 个人理解： https://github.com/facebookresearch/faiss 上把代码clone下来，make编译 我们将CNN中经过若干个卷积/激励/池化层后得到的激活映射（向量形式）存储到硬盘上， Faiss是一个高效的相似性搜索和密集向量聚类的库。它包含了搜索任意 ...
分类：
其他好文 时间：
2018-04-09 11:18:15
阅读次数：
407
本笔记由博客园-圆柱模板 博主整理笔记发布，转载需注明，谢谢合作! keras的层主要包括： 常用层（Core）、卷积层（Convolutional）、池化层（Pooling）、局部连接层、递归层（Recurrent）、嵌入层（ Embedding）、高级激活层、规范层、噪声层、包装层，当然也可以编 ...
分类：
其他好文 时间：
2018-03-28 01:37:23
阅读次数：
2074
