1回答
我正在寻找一个建议，尽快实施卷积算法的CNN推断，但不是一个培训。 这种卷积神经网络被建模为alexnet、mobilenet、resnet等。将在嵌入式ARM设备(A72，A53，A35)上运行，也可能在嵌入式图形处理器上运行。据我所知，目前已经有各种实现方式和神经网络框架，它们有不同的实现方式，如直接卷积、展开卷积(im2col)、基于快速傅立叶变换或Winograd，但我的主要关注点是在<em
浏览 19提问于2019-02-27得票数 1
目前，我已经生成了我的话语的谱图，并且使用简单的模式识别设法在“是”/“否”数据集中接收到40%的WER。不是很好，而是个开始。CNN被赋予了一个40帧的上下文窗口，在这个窗口中检测到了中心帧，我的问题是，使用RNN是否对这里有好处？因此RNN处理上下文，CNN在一个帧谱图上进行“图像分析”。如果是这样的话，它会不会明智地导致一些问题，当我在CNN上做的时候，是否通过在谱图的更大部分上进行模式识别来解决上下文依赖，这取决于上
浏览 0提问于2017-07-06得票数 2
回答已采纳
1回答
我有有向图，每个顶点都有一些"class01_01.gml“格式的标签。这类类有多个。我需要使用深度学习对这些文件进行多类分类。
请注意，特定类中的每个图都有不同的顶点集。PS:我不太熟悉对图表的深入学习。
浏览 0提问于2020-02-25得票数 1
1回答
我试图了解卷积神经网络在NLP中的作用。然后利用卷积层提取特征。，我可以理解第一个数字，因为我使用填充相同的，并且跨距1，所以维度应该是相同的。但是为什么第二维度是128，不是应该是200*128吗？内核到底是什么样子的？我假设它只是沿着句子扫描，但是为什么嵌入维会丢失，内核只是对
浏览 0提问于2018-07-13得票数 0
2回答
据我所知，我们使用图嵌入来建立非欧几里德结构图的欧几里德表示.这是否意味着，从概念上说，我们只是后退一步，也许更复杂，但仍然是网格处理？
浏览 0提问于2020-07-07得票数 3
回答已采纳
2回答
卷积神经网络中特征映射的滤波器
、、、、
在卷积神经网络中，我应该使用什么样的滤波器来提取特征图？我最近读到了关于卷积神经网络的文章，我了解到我们使用(一组滤波器)在每个卷积层生成一组特征映射，通过对前一层输出的滤波器进行卷积，生成一组特征映射。谢谢。
浏览 1提问于2015-12-05得票数 0
回答已采纳
1回答
理解节点嵌入
、、、
我刚刚开始研究图神经网络，我对节点嵌入过程有点困惑。这是我的理解，如果我误解了，请告诉我：
给出无标号数据，构造一个图G=(V,E)，生成一个包含节点形状、大小、强度等重要特征的掩码，然后尝试对节点进行分类。因此，这就是我们使用节点嵌入的地方，它似乎利用了上述所有这些特性，并试图将它们压缩为嵌入矩阵。我们这样做的原因是因为它从邻接矩阵中删除了所有不必要的信息，并且只包含节点的所有重
浏览 0提问于2021-02-22得票数 0
1回答
可视化卷积神经网络嵌入
、、、
在这个文章中，作者根据转换器模型发现的不同单词的嵌入创建了一个图(在文章的末尾)。我想对一个卷积神经网络做一个类似的事情，以便能够对簇进行评估。最终目标是能够识别列车上与给定图像相似的图像。我考虑提取隐藏层之一创建的隐藏表示，并使用类似PCA的方法将维度减少到2。这个策略合理吗？📷
浏览 0提问于2023-02-08得票数 1
回答已采纳
我知道这可能是个愚蠢的问题，但我到处寻找答案，但我找不到答案。当我学习CNN时，有人告诉我，内核、过滤器或激活图代表了图像的特征。具体来说，假设一个猫图像识别，一个特征图将表示一个“胡须”，而在这个特征图的激活程度很高的图像中，它被推断为在图像中有胡须，所以图像是猫。我看到的是3x3px图像，每个像素都有不同的颜色(绿色、蓝色或它们的各种变体等等)。
那么，这些3x
浏览 0提问于2019-03-09得票数 0
回答已采纳
sharpened = cv2.filter2D(image, -1, kernel_sharpening)最近我浏览了这个关于图像超分辨率(链接)的链接。发现Keras有类似于filter2D的东西，Keras称它为Conv2D。其语法如下：
dis2 = Conv2D(filters=64
浏览 0提问于2019-11-05得票数 2
回答已采纳
0回答
卷积神经网络中的反卷积或反向卷积是什么意思？
我理解卷积，如果我们考虑一个3x3的窗口W和一个相同大小的核k，那么卷积W*K的结果将是一个值。这里的k是一个3x3元素的矩阵。在我的理解中，反卷积试图对特征地图进行上采样，以获得更大的地图。它是否使用用于获得特征图的相同卷积矩阵
浏览 10提问于2016-07-08得票数 2
1回答
假设我有一个算法，它接受以下格式的输入结构化参数，生成一个音频剪辑，然后用它生成512x512谱图：在文本到图像模型方面，我认为这是一个相反的问题。我不使用提示符来生成随机匹配的图像，而是使用图像来获得非自然语言(即结构化和数字)的随机匹配“提示”。
浏览 0提问于2022-09-24得票数 0
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
我是一个门外汉，对NLP进行了深入研究，我有一个问题:里程碑式的论文神经概率语言模型(Bengio等人，2003年年)试图通过(1)为每个单词学习一个分布的单词特征向量(即在当代术语中嵌入一个单词)，以及(2)将这些单词向量输入到一个神经网络中来预测n克单词的后继。这允许“用它自己的武器与维度的诅咒作斗争”，正如作者诗意地说的那样，因为“泛化是因为一串以前从未见过的词，如果它是由与构成一个已经看过的句子的</
浏览 0提问于2022-08-01得票数 1
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
我有一个问题，我不确定这是不是一个聪明的问题。但是我读了很多关于卷积神经网络的书。到目前为止，我了解到输出层可以是例如用于分类问题的softmax层，或者您可以进行回归以获得量化的值。例如，如果我有一个数据，我的输出标签是房子的价格和房子的大小。我知道这不是一个聪明的例子。但我只想知道，在卷积神经网络的同一输出层中，是否有可能预测两个不同的输出值
浏览 1提问于2018-11-14得票数 0
8回答
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。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
1回答
卷积神经网络块表示法
、、、
“图像识别的深度残差学习”的论文在图3中说明了它们的剩余网络如下：我不是神经网络专家，所以有人能解释一下“3x3conv，256，/2”上面的高亮符号是什么意思吗？第一部分是清晰的(具有3x3像素窗口的卷积神经网络)，但是"256“和"/2”是什么？
浏览 0提问于2020-03-27得票数 3
回答已采纳
2回答
在一个卷积网(CNN)中，有人回答我，过滤器是随机初始化的。
我不介意，但是，当有梯度下降时，谁在学习呢？特征图还是过滤器？我的直觉是，过滤器在学习，因为它们需要识别复杂的事物。但我想确定一下。
浏览 3提问于2016-12-12得票数 1
回答已采纳
1回答
我正在读一些关于图卷积神经网络的研究论文，我见过很多术语“潜在表示”。例如，“模型能够学习图的节点的潜在表示”。
“潜伏”这个词在这里是什么意思？它和潜在的特征一样吗？
浏览 0提问于2021-02-27得票数 3
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
