当前标签: CNN
典型的CNN架构
典型的CNN架构:图像先进行多层卷积层(每个卷积层后一个接relu层和一个池化层)处理后输入给全连接神经网络层和relu层最后是输出层Softmax层输出预测的类概率,卷积层的卷积核过大会增加权重值的计算量卷积后的结果与小卷积核结果可能一致 图像模型评估:top-five错误率是测试图片系统判断前5个类别预测都没...
2019-06-12 10:05
阅读(555)
CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释,以及CNN 学习过程中卷积核更新的理解
feature map、卷积核、卷积核个数、filter、channel的概念解释 feather map的理解 在cnn的每个卷积层,数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起(像豆腐皮一样),其中每一个称为一个feature map。 feather map 是怎么生成的? 输入层:在...
2018-09-08 15:22
阅读(5398)
基于Inception-v3的CNN迁移学习框架训练实例
CNN卷积神经网络迁移学习实例 对特定肿瘤影像数据进行等级分类预测 摘要:本文介绍基于Inception-v3的迁移学习方法应用,并用该方法对一批特定的数据进行训练。 作者:yooongchun 微信:18217235290 本文代码下载地址: https://github.com/yooongchun/I...
2018-08-30 15:37
阅读(266)
CNN经典模型
上一篇文章介绍了CNN的基础知识以及它的优势,今天这篇文章主要来看一看一些著名的卷积神经网络的结构特点,以便我们对CNN有更加直观地认识。 一、LeNet-5 论文:http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf 这个可以说是CNN的开山之...
2018-08-23 09:37
阅读(147)
CNN调参:学习率(一)
学习率决定了每步权重更新对当前权重的改变程度: , 其中E(w)为我们优化的损失函数,是学习率。 学习率太小,更新速度慢;学习率过大,可能跨过最优解。因此,在刚开...
2018-08-19 14:28
阅读(2508)
深度学习(二)—图像检测算法(faster R-cnn)简单易懂的思路整理
基础知识掌握情况决定研究的高度,我们刚开始接触深度学习时,一般都是看到别人的概括,这个方法很好能让我们快速上手,但是也有一个很大的缺点, 知识理解的不透彻,导致我们对算法优化时一头雾水。我也是抱着知识总结的思想开始自己的深度学习知识精髓的探索,也希望能从中帮助到更多人。文章中间存在表述不清的地方希望各位...
2018-08-14 10:49
阅读(184)
从零开始搭建神经网络(五)卷积神经网络(CNN)
目录 1.基础介绍 <https://blog.csdn.net/sinat_35821976/article/details/81503953#%E5%86%85%E5%AE%B9%E4%BB%8B%E7%BB%8D> 2.网络结构 <https://blog.csdn.net/sinat_35821976...
2018-08-09 17:36
阅读(257)
深度学习----CNN模型学习之ResNet(残差)网络
* 1. 思想 <https://blog.csdn.net/Sakura55/article/details/81512132#1-思想> * 2. 问题来源 <https://blog.csdn.net/Sakura55/article/details/81512132#2-问题来源> * * ...
2018-08-08 17:33
阅读(676)