1回答
我正在开发一个使用3个CNN的微型自动驾驶汽车和一个使用这种方法的摄像头传感器。最后一个CNN检测到交通标志，例如左转，右转，停。如何使用这个输出来修改第一个CNN绘制绿线的方式
浏览 1提问于2018-04-29得票数 0
回答已采纳
1回答
如何使用CNN输出图像？
、、、、
我正在尝试使用CNN进行深度估计(这是我的最终目标)，但我发现的一个问题是:我刚刚使用CNN进行图像分类，例如使用"CIFAR-10“、"MNIST”、"Cats vs Dog“等。要进行深度估计，我需要输出一个新图像( NYUv2数据集具有标记的图像)。因此，我将输入一个类似256x256x3的图像，并需要输出另一个图像，例如228x228x3。 我
浏览 10提问于2019-12-14得票数 0
回答已采纳
我想知道如何将传输学习(例如，VGG16)应用于比网络最初训练的图像大小不同的图像(因此，我不想输入大小的图像(224,224,3)，我想输入大小的图像(32,32,3))。我最初想的只是填充这些图像，但网络可能会查看这些黑色像素，并认为它们意味着什么，我意识到这可能会影响准确性，而且当我试图这样做时，我的colab笔记本就崩溃了。
浏览 0提问于2019-03-23得票数 0
2回答
我想训练一个CNN的多标签图像分类任务使用keras。然而，我不知道如何准备我的培训数据。更具体地说，我想知道我是否需要显示两个或更多标签组合的培训图像，或者是否足以在单个标签上对网络进行培训，然后它将能够检测到图像中的多个标签。我想通过一个示例，我的问题变得更清晰了
假设我使用的是狗和猫的分类数据集，我想要建立一个模型，能够将图像分类为狗或猫，或者在一张图像中看到这两种动物。在这种情况下，我是否需要用同时显示猫、狗和图像</
浏览 0提问于2018-01-21得票数 6
回答已采纳
因此，我遇到了一个问题，即如何在Keras中将CNN与RNN结合起来。在发布问题时，有人指出这是解决问题的正确方法。显然，我只是忽略了原始代码中的一些东西，这让我回答了自己的问题。原来的问题是：更清楚地说：
模型一:一个只看单个图像的CNN。模型二:在模型一的CNN
浏览 4提问于2018-11-27得票数 9
1回答
U-网中的高-低层次特征
、、、、
为什么U或CNN的第一层会产生低层次的特性？为什么不是最后一层呢？在架构开始时获得低级别特性背后的逻辑是什么？是的，高级功能更“有意义”，但为什么呢？为什么高级功能比低级功能更有意义？
浏览 0提问于2022-06-25得票数 1
回答已采纳
1回答
我正在试图检测一幅图像是否包含人类。我会用CNN来做这个。我正计划创建一个数据集，如下所示。2000 or more non human image)
human (contains 500)我计划使用因为我很难收集人类和非人类物体的图像。
浏览 0提问于2019-05-23得票数 1
我想用CNN根据图像来预测估计的等待时间。因此，我想这将使用CNN输出一个回归类型的输出，使用RMSE的损失函数，这就是我现在使用的，但它不能正常工作。有人可以指出使用CNN图像识别来输出类似于等待时间的标量/回归输出(而不是类输出)的示例，以便我可以使用他们的技术来使其工作，因为我找不到合适的示例。我找到的所有<em
浏览 27提问于2017-08-06得票数 17
1回答
我想要做的是训练一个模型来识别在我的数据集中被错误标记的图像，例如，在一种狗类中，我可以找到猫的图像，我想要一个模型来检测所有在错误类中的图像。有没有人试过这样做有更多的细节，或有人有任何想法？
浏览 0提问于2022-05-03得票数 0
1回答
卷积神经网络与下采样？
、、、、
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？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
我已经训练了支持向量机，细胞神经网络和神经网络上的UCF-101数据集，支持向量机和神经网络使用CSV文件的色调和LBP的特征，而CNN使用的分类图像和我想结合{支持向量机和CNN}和{ANN和CNN若有，如何进行？it.ANN是一个简单的网络与Softmax激活函数在输出和2个隐藏层，每个隐藏层8节点。不使用dropout。对于CNN，我提取了图像的LBP特征并将其转换为图像。这
浏览 87提问于2019-05-15得票数 0
2回答
据我所知，CNN依靠滑动窗口技术，只能指出某一模式是否存在于给定的包围框中。这是真的吗？
如果没有这些技术的帮助，一个人能用CNN来实现本土化吗？
浏览 2提问于2015-01-27得票数 6
回答已采纳
我的研究问题绝对可以从使用卷积神经网络(cnn)中受益。我正在尝试建立一个cnn，用于特定于我的研究问题的图像转换。到目前为止，我遇到的大多数cnn例子都是某种形式的分类。对于分类示例，我理解cnn的基本操作，给定输入图像，网络给出一个数字。将这个数字与标签(与输入图像相关联)进行比较，然后将由此产生的误差反向传播到网络，以调整下一次迭代的权重。对于我的转换问题，网络的输出是一幅图像，而“标签”，即预期的输出
浏览 0提问于2018-04-21得票数 0
我知道我们在图像相关的任务中使用Conv2D，但是我的教授问我，为什么我们不使用Conv1D或Conv3D呢？为什么我们在这里特别使用Conv2D。
浏览 23提问于2022-02-23得票数 0
回答已采纳
我正在构建一个带有Conv1D层的CNN，它的训练效果很好。我现在正在研究如何减少特征的数量，然后在模型结束时将其提供给密集层，所以我一直在减少密集层的大小，但后来我遇到了。本文讨论了使用带有kernel_size=(1,1)的Conv2D过滤器来减少特征数量的效果。我想知道使用带有kernel_size=(1,1) tf.keras.layers.Conv2D(filters=n,kernel_size=(1,1))的Conv2D层和使用相同大小的tf.keras.layers.Dense如果我的理解是
浏览 19提问于2019-08-16得票数 5
回答已采纳
1回答
为了图像字幕的目的，我想在Keras中实现以下体系结构，但要将CNN的输出与LSTM的输入连接起来面临许多困难。使用CNN的输出作为LSTM的输入是很重要的。类似于下面的图片。
我可以单独制作一个LSTM或CNN，但是这个结构是我不知道如何构建的。必须将图像转换为特征描述CNN，并输入到LSTM，而向量表示中的标题词则从另一种方式插入到LSTM单元中。我认为CNN和LSTM必须同时接
浏览 3提问于2020-07-29得票数 0
回答已采纳
1回答
在第一阶段，在输入卷积神经网络(输入层)时，我们接收到一个源图像(即手写英文字母的图像)。首先，我们使用一个从左到右的nxn窗口来扫描图像和在核上进行乘法(卷积矩阵)来建立特征映射。此外，如果整个图像的大小为30*30，是否可以使用5*5的窗口来构建功能地图？是否足以达到字母检测的最佳精度？
为了达到字母识别的最大精度，最佳的方法是在哪个核上将整个图像的面积相乘？
浏览 2提问于2015-07-08得票数 2
回答已采纳
1回答
据我所知，它是一种包装器，可以例如处理一系列图像。 现在我想知道如何在不使用时间分布层的情况下设计一个时间分布式网络。例如，如果我有一个由3个图像组成的序列，每个图像都有1个通道，像素尺寸为256x256px，那么首先应该由CNN处理，然后由LSTM单元处理。然后CNN将有3个输出，这些输出被馈送到LSTM单元。 现在，在不使用时间分布层的情况下，是否可以通过设置一个具有3个不同输入和3个相似CNN
浏览 34提问于2020-03-30得票数 0
回答已采纳
2回答
最佳背景减法
、、、
在我最新的项目中，我被要求训练一个深度卷积神经网络来检测足球运动员。问题是，我所有的正面标点符号都是从3-4个视频中提取出来的，每个视频中的草几乎都是相同的颜色。我正在寻找一种背景减法，可以将人体从绿色背景中分离出来。然后，我可以将草的颜色更改为不同的色调。是执行边缘检测还是颜色分割算法更好？有什么想法吗？谢谢
浏览 5提问于2017-06-21得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号