为什么在CNN的图像识别任务中，滤波器总是被选择为非常本地化的？

文章/答案/技术大牛

发布

1回答

computer-vision、conv-neural-network、image-preprocessing

在CNN中，滤波器通常在空间上设置为3x3，5x5。大小可以与图像大小相媲美吗？一个原因是为了减少要学习的参数的数量。除此之外，还有其他关键原因吗？例如，人们想先检测边缘？

浏览 6提问于2019-03-13得票数 0

回答已采纳

1回答

卷积神经网络中的滤波器向量及其层函数

layer、conv-neural-network、input-filtering

对于图像识别，有一件事是关于滤波器向量和它的层函数的，我没有得到。许多文章都提到了类似的想法：“……从第一层的原始像素中检测边缘，然后在第二层使用边缘检测简单的形状……"，一些文章写道：”过滤器是随机初始化的，并在训练过程中自动从数据中学习。“ 我的问题是，如果筛选值在CNN中没有按某种顺序排列(即随机学习的值)，我们

浏览 3提问于2016-12-09得票数 0

1回答

连接到所有前向层的神经网络

neural-network、deep-learning

在经典的神经网络中，每个层只与下面的层相连接。如果我们放松了这个约束，允许它连接到任何或所有后续的层，该怎么办？这个架构已经被探索过了吗？这似乎是一种后盾，在这方面仍然有效。至少，这种类型的网络可以通过在每一层人为地创建身份神经元来模拟，这些神经元引入了每个早期节点的值，其中这些层的传入权重固定在1。

浏览 0提问于2018-02-05得票数 5

回答已采纳

2回答

新图像尺寸的传递学习

deep-learning、neural-network、keras、convolutional-neural-network

转移学习:将经过训练的神经网络用于新的分类任务。我不明白为什么改变输入形状不会影响卷积层的重量和为什么它会影响完全连接的层权重。如果我的问题听不懂，请告诉我。

浏览 0提问于2019-08-16得票数 1

回答已采纳

1回答

理解计算机视觉conv网中滤波器的概念

machine-learning、keras、computer-vision、conv-neural-network

我正在尝试理解计算机视觉的卷积网络中的过滤器的概念。我知道它们是做什么的，例如，它们可以用来降低输入图像的维度，等等。我的问题是这些过滤器是从哪里来的？例如，我正在看一个教程，它显示了要检测垂直线滤镜，我们可以使用形状为[ [-1, 0 , 1], [-1, 0 , 1], [-1, 0 , 1] ]的3x3 /edge……我们是怎么想出这个矩阵的？现在，如果我想要检测整个图像的<

浏览 5提问于2019-04-02得票数 0

2回答

如何理解CNN的卷积层的输出深度是使用多少卷积滤波器？

deep-learning、convolution

假设我对conv层的输入是256 x 256 x 64，我使用了3x3的32个滤波器，为什么输出深度是32而不是64？卷积是如何在深度轴上进行的？

浏览 2提问于2018-01-11得票数 1

3回答

为什么傅立叶变换可以在对噪声敏感的情况下用于图像识别？

image-processing、fft

正如我们所知，傅里叶变换对噪声(如盐和胡椒)很敏感，这里有英国《金融时报》专家吗？

浏览 0提问于2010-04-05得票数 6

1回答

有人能举出一个具体的例子吗？

machine-learning、deep-learning、computer-vision

另一方面，与以往主流的图像识别方法(如HAAR、SIFT、HOG图像特征和spatial feature encoding、随机森林或支持向量分类器)相比，CNN模型具有更高的建模能力。考虑到在模型训练过程中需要适应的数百万个参数(比以前的管道多得多)，CNN的表示增强了计算机图像识别模型的能力，使其能够很好地处理更具有挑战性的成像问题。主要的风

浏览 0提问于2019-07-16得票数 2

回答已采纳

1回答

卷积神经网络与下采样？

machine-learning、neural-network、deep-learning、conv-neural-network、convolution

在阅读了这一主题之后，我不完全理解：是神经网络中的“卷积”，相当于一个简单的下采样或锐化函数？你能把这个词分解成一个简单易懂的形象/类比吗？编辑:第一个答案后的改称:池可以理解为权重矩阵的下采样吗？

浏览 2提问于2016-06-29得票数 0

回答已采纳

5回答

网站上随机出现的按钮

javascript、jquery、html

好吧，这可能是个奇怪的问题。我去了CNN，但我找不到反馈按钮，但他向我保证，他已经看过几次了(因为他经

浏览 1提问于2011-07-25得票数 0

2回答

在卷积神经网络中使用两个连续卷积滤波器的直觉是什么？

machine-learning、neural-network、deep-learning、cnn、feature-extraction

我理解卷积过滤器(或内核)的用途。我把它们想象成可学习的特征提取器。例如，提取垂直边缘或水平边缘等。有人能好心地向我解释一下叠加2个或更多连续卷积滤波器的直觉吗？为什么这两个过滤器不能合并成1呢？图片视频URL 这里是吴家富关于机器学习的讲座的链接

浏览 0提问于2018-09-08得票数 5

1回答

为什么同一成像模式的特征描述符在性能上存在差异？

feature-extraction、feature-engineering

我一直在使用GIST，HOG和冲浪描述符从不同的胸部X射线集合中提取特征，并使用曲线下的精度和面积来测量性能。这些收集是使用不同的机器，从不同的医疗机构，并具有不同的像素分辨率。我可以反复看到一个描述符比另一个描述符的性能更好，虽然所有的都是正面的胸部X光，但在这些集合中的性能并不相同。这些集合之间的性能差异有哪些属性，尽管它们来自相同的成像模式？

浏览 0提问于2017-11-15得票数 1

3回答

大多数零值数据的深度神经网络

deep-learning、neural-network、classification、rnn、convolutional-neural-network

问题是大部分的功能都是0。在每一行中，通常大约有100个特性有值，其余的特性为0。0 0 1 5 78 0 64 0 2 正如您所看到的，我在考虑RNN或CNN，但我不确定这些是否是最好的选择。我在考虑一些会忽略零值的方法，即在计算

浏览 0提问于2017-08-07得票数 4

2回答

我可以在CNN中使用层标准化吗？

tensorflow、deep-learning、normalization、data-processing、batch-normalization

我看到层标准化是比批量标准化更现代的标准化方法，而且在Tensorflow中编码非常简单。但我认为层归一化是为RNN设计的，而批量归一化是为CNN设计的。我可以在CNN中使用层归一化来处理图像分类任务吗？选择批归一化或层的标准是什么？

浏览 1提问于2017-07-06得票数 7

2回答

为什么我的单滤波器卷积神经网络不能学习一个简单的高斯核？

python、tensorflow

令我惊讶的是，我所实现的深度学习算法没有起作用，于是我决定创建一个非常简单的例子，以更好地理解CNN的功能。以下是我为一个非常简单的任务构建一个小型CNN的尝试，它提供了意想不到的结果。因此，我希望我的CNN学习卷积滤波器，这将把原来的图像转化为它的模糊版本。换句话说，我希望

浏览 1提问于2019-06-12得票数 6

回答已采纳

1回答

CNN中的反向传播(通过卷积层)和梯度

machine-learning、neural-network、conv-neural-network、convolution、backpropagation

我知道CNN中的过滤器是3D的，所以我们有一些过滤器的宽度、高度和深度。前馈没问题。让我们看一下前馈步骤中计算某一层输出的公式：在层l中，滤波器的深度应与前一层l-1的输出z的输出通道数(深度)相同，以便进行卷积。现在，让我们检查错误反向传播的公式：在这一章中，我们给出了δ和权值阵列w的卷积，它们都来自层

浏览 2提问于2017-03-03得票数 1

2回答

主FFT系数与低通滤波器

signal-processing、fft、feature-extraction、lowpass-filter

我在研究信号处理方面的问题。我正在提取一些特征，以供分类器使用。在这些特征中，有前5个FFT系数的总和。正如你所知道的，主要的FFT系数实际上表明了信号的低频分量的主导程度。这与低通滤波器的性能非常接近。在这里，我怀疑计算FFT来获取前5个系数是否是一个不必要的任务。我认为应用低通滤波器只会消除低频分量，它不会对初级FFT系数产生显着影响。然而，为了在<

浏览 1提问于2012-07-02得票数 0

回答已采纳

8回答

卷积神经网络和递归神经网络有什么区别？

neural-network、difference、recurrent-neural-network

我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。

浏览 6提问于2014-01-04得票数 67

2回答

CNN的几个基本问题

deep-learning、image-classification、convolution、cnn

我正试图为3D图像识别做一个CNN，但是所有的事情都被预测为每三个类别中只有一个。这一预测甚至在第一个时代迅速收敛。我已经花了一周的时间来研究这个问题，结果完全迷失了方向。我有自己的几个猜测，为什么它总是收敛到一个类。我只有5000份样本用于培训，500份用于测试。我的样品太少

浏览 0提问于2018-01-29得票数 2

回答已采纳

1回答

利用神经网络从图像中提取多个参数

neural-network、deep-learning、computer-vision

示例：我可以为给定的参数生成图像来训练神经网络，并希望利用它从实际的图像中提取参数。我查过CNN了。我能和他们一起执行这个任务吗？我是否需要特殊的学习算法来提取多个参数而不是分类？是否有专门为此类任务设计的NNs？

浏览 0提问于2016-06-13得票数 8

回答已采纳

点击加载更多