1回答
我想开发一个使用卷积神经网络进行图像分类的模型。从文章和在线文章中描述的许多不同的网络结构中，我想选择一个更适合我的问题和数据集的网络结构作为起点。我知道没有一定的答案，最好的结构很大程度上取决于每一个问题，但我认为，建立这样一个网络的方法，超越纯粹的机会和测试。在阅读论文和比较结构时，我应该注意哪些特性和超参数？为了获得对不同
浏览 0提问于2021-06-24得票数 1
回答已采纳
在我正在开发的应用程序中，我有大约5000张产品标签图像(每个产品有一个标签)。
我的应用程序的一个功能是，用户可以使用他的相机拍摄一张照片，并得到一个可能的匹配(Es)的产品标签注册的系统。由于最初，我的系统每个产品只有一个样本，所以我决定采用传统的计算机视觉技术。我使用特征提取和描述符匹配实现了这一点。blob/master/samples/cpp/matching_至_许多_images.
浏览 0提问于2017-10-24得票数 1
回答已采纳
1回答
胶囊神经网络采用卷积、原胶囊和数字胶囊层。同时，采用卷积和最大池层的卷积神经网络。我想对卷积神经网络和胶囊神经网络进行比较。下面的表格是我的cnn模型的架构。我需要在胶囊神经网络上做一个类似的结构。那么，如何正确地叠加胶囊神经网络，堆栈胶囊神经网络是什么样的呢？
浏览 10提问于2022-12-02得票数 -2
1回答
我最近实现了一个简单的感知器。这种类型的感知器(由一个神经元组成，在输出中提供二进制信息)只能解决类可以线性分离的问题。如何知道这个问题是否有类是线性可分的？因为有64个输入，它还可以线性分离吗？一个简单的感知器能解决这种问题吗？如果没有，什么样的感知器可以？
浏览 4提问于2017-06-04得票数 1
回答已采纳
1回答
从理解NLP的卷积神经网络的角度来看，卷积神经网络不仅适用于图像识别，也适用于NLP。
一般来说，CNN是否是NLP文本分析的最佳选择，例如情感分析？如果没有，是否有关于识别性能(F1评分或类似的)的不同算法的概述或比较？
浏览 0提问于2018-07-23得票数 1
回答已采纳
1回答
我是一个学习机器的新生。我只想问一种改进方法(例如，朴素贝叶斯)的可能方法是什么，以获得更好的结果，将图像分类为文本或非文本图像，而不是仅仅输入x个图像，告诉系统哪些有文本，哪些没有？
提前感谢
浏览 6提问于2015-05-02得票数 1
回答已采纳
1回答
考虑先前输出的深度学习图像模型
、、、、
如果深度神经网络的输入是一幅图像，那么我应该使用哪个模型；但是输出是单值的，这不仅取决于输入图像，还取决于网络的先前输出(预测)？
浏览 1提问于2016-10-07得票数 0
然而，我读过几次这样的话：我知道前馈神经网络是什么，但据我所知，深神经网络是指在输入和输出层之间有多个层次的所有人工神经网络？此外，我看到有各种各样的深度学习架构，例如：残差神经网络深玻耳兹曼机
..。然而，维基百科现在也让我很难区分所有的术语，它说：“深层神经网络、深层信念网络、递
浏览 0提问于2019-07-15得票数 3
回答已采纳
1回答
问题是:卷积神经网络结构是一个连续的函数吗？所谓卷积，我指的是只由卷积层构成的。凭直觉，我会说是的，因为据我所知，卷积的运算是连续的，但我有遗漏什么吗？另外，有没有人知道转置卷积也是这样？
浏览 4提问于2021-11-15得票数 0
1回答
我试图将棋盘游戏的状态转换为卷积神经网络的输入。卷积神经网络是很有用的，因为玩家必须将项目放在棋盘上，而卷积神经网络可以利用这种空间结构。因此，我可以很好地描述板的二元特征平面为每个球员(1，如果有一个项目在板上，如果没有)。
玩家不仅可以放置物品，还可以收集卡片。一名玩家最多可以拥有五种不同类型的19种牌。一个玩家有多少张牌，他们是什么类型，是神经网络的
浏览 0提问于2020-10-24得票数 1
回答已采纳
1回答
我有一个关于生物医学图像分析的一般性问题。因为生物医学图像需要配准，以便在相同空间中对齐图像并更好地提取特征。我的问题是，基于深度学习的分类是否也需要训练数据集图像的图像配准？在深度学习中，架构本身定义了最佳特征，使用深度神经网络进行腹部CT扫描图像分类是否需要注册？当我们为了更好地训练数据而进行数据增强时，这种情况下还需要图像配准吗？
浏览 34提问于2019-06-04得票数 1
1回答
我已经看到了几种不同的卷积神经网络(CNN)的架构。我搞不懂哪一种是标准，以及如何决定使用什么。我并不为所使用的层数或所涉及的参数数目感到困惑，而是对网络的组件感到困惑。假设：
CL，SL，CL，SL，CM，SoftmaxCL，SL，CL，SL，NN，
浏览 2提问于2014-10-17得票数 3
1回答
有一个科学文件，实现了一个卷积神经网络分类3种不同类型的数据，尽管如何准确，是我所不知道的。这一部分描述了我们的神经网络的结构，如图3所示。截图由三个卷积层处理(前两层由BVLC AlexNet的预训练权值初始化)。TextMaps被处理为一个卷积层，内核大小为1 \times 1，因此它的特征捕获了各种单词<em
浏览 0提问于2019-01-19得票数 2
回答已采纳
1回答
我的目标是分类类型的汽车(轿车，SUV，掀背车)和早些时候，我是使用角功能的分类，但它没有很好的工作，所以现在我正在尝试Gabor功能。1.40列的平方能量.问题是，我想使用这两个矩阵进行分类，我有大约230幅图像，分为3类(SUV、轿车、掀背车)。我不知道如何创建一个Nx230矩阵，它可以由matlab中的神经网络作为vInputs (其中N是一幅图像的全部特征)。
如
浏览 2提问于2013-11-14得票数 1
回答已采纳
2回答
我读过关于时间延迟神经网络(TDNN)的文章，我不确定我是否理解它。据我所知，tdnn的工作原理就像一维卷积神经网络(CNN)。
如果这些体系结构存在的话，它们之间有什么区别？
浏览 0提问于2021-01-20得票数 1
回答已采纳
1回答
假设我正在训练一个神经网络(例如卷积网络或LSTM)。另一种方法是复制数据。同样，如果我有1000个例子，我可以重复它们10次并随机化它们，而神经网络将学习得更好(但同样，它可能不能很好地概括)。
在训练神经网络学习时，重复数据和增加历元之间有什么区别吗？
浏览 0提问于2018-03-30得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
