卷积神经网络(Convolutional，简称CNN)是一类特殊的人工神经网络，区别于神经网络其他模型(如，递归神经网络、Boltzmann机等)，其最主要的特点是卷积运算操作(convolution operator)。因此，在诸多领 域应用特别是图像相关任务上表现优异，诸如，图像分类(image classification)、 图像语义分割(image semantic segmenta
转载
2023-10-23 10:29:36
91阅读
目录 1.卷积神经网络解决的问题2.经典的卷积神经网络2.1 LeNet2.2 AlexNet2.3 VGG2.3.1 VGG块2.3.2 VGG网络2.4 NiN2.4.1 Nin块2.4.2 Nin网络2.5 GooLeNet2.5.1 Inception块2.5.2 GoogLeNet网络2.6 ResNet2.6.1 残差块2.6.2 残差网络2.7 DenseNet1.卷积神经
转载
2023-11-12 08:19:49
91阅读
上一篇博客内容讲述了卷积神经网络模型构建、训练以及模型的保存，包括训练样本数据的预处理和喂给网络。 本篇博客内容讲述训练好的模型的应用和实际图片数据的分类预测。
图片2分类卷积神经网络模型训练、分类预测案例全过程（2）前言训练好的模型的调用和实际图片的分类预测，这里包括数据预处理和模型调用。 # 一、数据预处理 用于开展分类预测的数据量一般不是很大，这里就没有再制作tfrecord格式数据
转载
2023-08-08 14:20:03
143阅读
作者：Sanyam Bhutani编译：ronghuaiyang 导读 这篇文章是对Bag of Tricks for Image Classification with Convolutional Neural Networks中分享的思想的概述和我自己的一点思考。关于这个系列：这篇文章标志着这一系列文章的开始，这篇文章是对Bag of Tricks for Image Classifica
转载
2023-12-07 14:55:10
27阅读
前言深度学习在计算机视觉（computer version）领域非常成功，举个简单的例子——让计算机分辨图片的上的动物是猫还是狗是非常难以实现的事情，但是借助于 卷积神经网络（CNN） 这是非常容易实现的事情。卷积神经网络是本章介绍的重点，在这篇博文中我将结合一些简单的例子说明什么是卷积神经网络，以及简单介绍几个框架模型并用已经预训练的模型来解决一个简单分类问题。最后探索一下最新的深度可分离卷积（
转载
2023-11-27 09:44:15
109阅读
4.4 案例：CNN进行分类学习目标目标
掌握keras卷积网络相关API掌握卷机网络的构建了解迁移学习以及tf.keras.applications使用应用
4.4.1 卷积神经网络构建识别手写数字卷积神经网络包含一个或多个卷积层（Convolutional Layer）、池化层（Pooling Layer）和全连接层（Fully-connected Layer）。4.4.1.1 使
转载
2024-02-28 20:10:03
24阅读
卷积神经网络分类器的设计及实现目录 一、实验目的 3 二、实验方法 3 三、实验环境 5 四、数据集简介 6 五、实验步骤 8 六、实验结果 10 七、分类器评估 11 八、实验总结 12一、实验目的 分类器设计是机器学习的主要研究方向，在大数据、人工智能领域应用广泛，分类模型可以将数据库中的数据映射到所属类别之一，继而可以应用于新的数据预测。随着研究的发展，机器学习领域不断涌现出新的分类器方法，
转载
2023-10-12 13:25:46
230阅读
1.应用场景卷积神经网络的应用不可谓不广泛，主要有两大类，数据预测和图片处理。数据预测自然不需要多说，图片处理主要包含有图像分类，检测，识别，以及分割方面的应用。图像分类：场景分类，目标分类图像检测：显著性检测，物体检测，语义检测等等图像识别：人脸识别，字符识别，车牌识别，行为识别，步态识别等等图像分割：前景分割，语义分割2.卷积神经网络结构卷积神经网络主要是由输入层、卷积层、激活函数、池化层、全
转载
2023-09-15 22:01:50
97阅读
情感分析：基于卷积神经网络 Sentiment Analysis: Using Convolutional Neural Networks 探讨了如何用二维卷积神经网络来处理二维图像数据。在以往的语言模型和文本分类任务中，把文本数据看作一个一维的时间序列，自然地，使用递归神经网络来处理这些数据。实际
转载
2020-07-02 19:34:00
301阅读
2评论
基于卷积神经网络的ImageNet分类器 作者：Alex Krizhevsky-多伦多大学（加拿大）Ilye Sutskever-多伦多大学Geoffrey E. Hinton-多伦多大学 摘要 我们训练了一个大型的深度卷积神经网络去将2010年IL
转载
2023-12-09 16:02:30
52阅读
一、CNN卷积神经网络分为卷积层、池化层、全连接层、softmax层。 卷积层：卷积核与输入层中的一个区域相连，计算内积后加上权重。 激活函数层：激活函数层包括在卷积层中，将相连的神经元进行激活，通常使用ReLu激活函数。 池化层：又称为下采样层，通常包括max pooling和average pooling，不会改变通道数量。 全连接层：将特征图拉直，转化为1 1 4096的向量。 softm
转载
2023-07-25 20:22:14
291阅读
卷积神经网络分类器一个卷积神经网络： 可以看到输入层的宽度和高度对应于输入图像的宽度和高度，而它的深度为1。接着，第一个卷积层对这幅图像进行了卷积操作，得到了三个Feature Map。这里的"3"意思就是这个卷积层包含三个Filter，也就是三套参数，每个Filter都可以把原始输入图像卷积得到一个Feature Map，三个Filter就可以得到三个Feature Map。至于一个卷积层可以
转载
2023-09-18 21:38:17
148阅读
CNN卷积神经网络是人工智能的开端，CNN卷积神经网络让计算机能够认识图片，文字，甚至音频与视频。CNN卷积神经网络的基础知识，可以参考：CNN卷积神经网络 LetNet体系结构是卷积神经网络的“第一个图像分类器”。最初设计用于对手写数字进行分类，上期文章我们分享了如何使用keras来进行手写数字的神经网络搭建：Keras人工智能神经网络 Classifier 分类 神经网络搭建我们也
转载
2024-01-08 15:19:08
89阅读
一、实验目的 3 二、实验方法 3 三、实验环境 5 四、数据集简介 6 五、实验步骤 8 六、实验结果 10 七、分类器评估 11 八、实验总结 12 一、实验目的 分类器设计是机器学习的主要研究方向，在大数据、人工智能领域应用广泛，分类模型可以将数据库中的数据映射到所属类别之一，继而可以应用于新的数据预测。随着研究的发展，机器学习领域不断涌现出新的分类器方法，从早期的决策树、近邻法，到支持向量
转载
2023-07-09 18:59:44
82阅读
摘要： 在ImageNet LSVRC-2010竞赛中，训练了一个大且深的卷积神经网络用来分类1.2M高分辨的图像成不同的1000类。测试集中，分别以37.5%和17.0%的错误率高居第一与第五，其远远的超出了原有的高水平表现。神经网络有60M个参数与650K个神经元，包含在5个卷积层，后跟最大池化层，与三个带有1K个通道softmax的全连接层。为了让训练更加迅速，使用非饱和神经元与效率很高的G
转载
2024-01-12 14:44:21
54阅读
一.卷积神经网络简介卷积神经网络(Convolutional Neural Network, CNN)是深度学习技术中极具代表的网络结构之一。CNN在CV和NLP领域都有很广泛的应用，相较于传统的算法，CNN避免了复杂的前期预处理过程（提取人工特征等），可以直接输入原始数据。CNN能够实现上述独特功能的原因是它使用了局部连接(Sparse Connectivity)和权值共享(Shared Wei
转载
2023-10-13 00:02:32
72阅读
识别数字，bp神经网络算法，卷积神经网络算法，svm算法，adaboost算法哪种好看数字图片而定。如果图片较小并且质量还不错，那么通过2层的神经网络就能胜任。对于MNIst数据集（28*28的手写数字），2层神经网络准确率可达99%，svm也有98%以上。以上实现非常简单，matlab已经有现成工具箱。卷积神经网络通常用于更加复杂的场合，闭合是被图像内容等。在MNIST数据集上cnn可达99.7
转载
2023-08-01 18:12:45
47阅读
卷积运算 密集连接层和卷积层的根本区别：Dense 层从输入特征空间中学到的是全局模式（比如对于 MNIST 数字，全局模式就是涉及所有像素的模式）卷积层学到的是局部模式，对于图像来说，学到的就是在输入图像的二维小窗口中发现的模式。在上面的例子中，这些窗口的大小都是 3×3。 卷积神经网络学到的模式具有平移不变性 卷积神经网络可以学到模式的空间层次结构：第一个卷积层将学习较小的局部模式（比如边缘）
转载
2023-11-19 12:17:29
73阅读
（注：文章中所有path指文件的路径）因毕业设计需要，接触卷积神经网络。由于pytorch方便使用，所以最后使用pytorch来完成卷积神经网络训练。接触到的网络有Alexnet、vgg16、resnet50,毕业答辩完后，一直在训练Alexnet。1.卷积神经网络搭建 pytorch中有torchvision.models,里面有许多已搭建好的模型。如果采用预训练模型，只需要修改最后
转载
2023-10-12 13:37:00
59阅读
导读：神经网络接受输入图像/特征向量，并通过一系列隐藏层转换，然后使用非线性激活函数。每个隐藏层也由一组神经元组成，其中每个神经元都与前一层中的所有神经元完全连接。神经网络的最后一层（即“输出层”）也是全连接的，代表网络的最终输出分类。人工智能常用的十大算法 人工智能数学基础（一） 人工智
转载
2023-11-27 10:11:23
35阅读
