参考如下：https://github.com/kipr/opencv/blob/master/samples/cpp/matching_至_许多_images.cpp)是否有类似的服务可以作为服务？
浏览 0提问于2017-10-24得票数 1
回答已采纳
什么是神经网络中的VGG模型？
我认为VGG模型有特定的规范：-Convolutions层(仅使用3*3大小)、-Max池层(仅使用2*2大小)、-Total 16层的-Fully连接层。CNN和VGG模型在神经网络中的区别是什么？
浏览 4提问于2018-06-28得票数 0
回答已采纳
1回答
我使用的是一种基于transfert style的深度学习方法，它使用VGG (神经网络)。该方法的作者建议将输入的大图像分成几个部分，然后将样式转换到portion1，然后再转换到portion2，最后将这两部分连接起来得到最终的大图像，因为VGG是为小图像制作的。
浏览 29提问于2020-09-10得票数 5
1回答
使用深度学习功能的SLAM系统？
、、、、
有没有人尝试过开发一个使用深度学习功能而不是经典的AKAZE/ORB/SURF功能的SLAM系统？扫描最近的计算机视觉会议，似乎有相当多的报告成功地使用神经网络来提取特征和描述符，基准测试表明，它们可能比经典的计算机视觉等效物更健壮。我怀疑提取速度是一个问题，但假设一个人有一个像样的图形处理器(例如NVidia 1050)，那么在640x480灰度图像上构建一个实时SLAM系统(比方说30FPS )具有深度学习特征是否可行？
浏览 0提问于2018-10-05得票数 2
我对深度学习领域非常陌生，所以我只是想了解一下所做的一些决定，尤其是使用卷积神经网络。在阅读了一些博客/文章后，我想知道：
你什么时候会选择某个体系结构而不是另一个呢？我已经看过很多使用VGG-16的例子，我很好奇为什么这个例子看起来很大(而且很慢？)训练的方法？是否有某些应用程序的例子，其中一种架构会比另一种架构更好？
浏览 0提问于2020-04-30得票数 0
2回答
据我所知，它们都是神经网络。SSD提供本地化，而mobilenet提供分类。因此，SSD和移动网络的结合可以产生目标检测。这张图片来自。SSD的默认分类网络是VGG-16。因此，对于SSD Mobilenet，VGG-16将替换为移动网络。我的陈述正确吗？
浏览 2提问于2018-05-29得票数 4
1回答
据我所知，mobilenet是用于分类和识别的神经网络，而SSD是用于实现多盒检测器的框架。只有两者的结合才能进行目标检测。因此，mobilenet可以与resnet、inception等互换。
浏览 5提问于2018-04-12得票数 22
这是我为我的深度学习项目建立的模型，我正在从中获得相当不错的准确性。我的问题是，如果我冻结了初始模型(这是我的VGG19基础模型)的权重，我如何训练整个模型？而且，在添加了冻结层的VGG19层之后，我得到了比只有几层CNN更好的结果。会不会是因为我的CNN层初始化了VGG19的权重？img_h=224
initial_model = applications.vgg19.VGG19(weights='imagenet', include_top=
浏览 3提问于2019-12-11得票数 1
2回答
我有一套不同网站的各种产品的图片。我想根据图像中显示的产品对图像进行聚类。为此，如何为图像生成合适的特征向量？我只需要知道如何生成给定图像的特征向量。我试过NetVLAD，但是它很慢。在我描述的场景中，我想要的是快速和高精度的聚类。请帮帮我。
浏览 0提问于2019-01-08得票数 3
1回答
并且可以方便地加载预先训练好的模型，如VGG19。但我发现使用pytorch不是这样的，因为conv2d()不接受显式的内核，而是接受内核大小。所以我想知道，我们是否可以通过简单地将权重传递给像conv2d()这样的方法来重用VGG19中的权重。任何回复都将不胜感激。
浏览 4提问于2017-09-18得票数 1
4回答
我正在使用vgg16创建一个深度学习模型。我想知道如何改变Keras的深度学习层的名称？我试过这个 layer.name = layer.name + str("_")
但是当我改变这些层的名称时，模型的准确性就变得很低了
浏览 0提问于2018-11-07得票数 12
我在训练我的神经网络。它的目的是预测视频质量。我正在使用VGG16+LSTM网络，但是VGG16是不可训练的。可培训参数总数为70万。训练vgg16是必要的吗？
要获得最好的结果需要多少个时代？
浏览 4提问于2021-08-28得票数 0
1回答
多输出Keras的回归损失函数
、、、、
我使用深度学习方法来解决一个多输出(16输出)的回归问题，每个输出在0,1和和1之间。对于这个问题，我不知道哪一个损失函数是理想的，我已经测试了均方误差和平均绝对误差，但是神经网络预测的值总是相同的。model = applications.VGG16(include_top=False, weights = None, input_shape = (256, 256, 3))
x = model.output
浏览 5提问于2019-01-30得票数 0
回答已采纳
在阅读了一些理论之后，我对以下术语感到有点困惑：深层神经网络前馈神经网络卷积神经网络深层信念网络..。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、递归神经网络和卷积<
浏览 0提问于2019-07-15得票数 3
回答已采纳
我正在尝试理解音频分类的一些方面，并通过"vggish_model.ckpt“和"vggish_pca_params.npz”来了解。我正在努力对这两个人有一个很好的理解。它们是tensorflow还是google音频集的一部分？为什么在构建音频功能时需要使用它们？我看不到任何关于它们的文档！
浏览 53提问于2020-04-07得票数 0
回答已采纳
我的理解是VGG-16，RESNET-50等等.还可以在图像中找到对象并对其进行分类。是VGG-16，RESNET-50等等.对象检测体系结构与快速RCNN是一样的？我经常看到VGG-16，RESNET-50等等.作为“中坚”的RCNN速度更快，被文献严重搞糊涂了。提前感谢！
浏览 0提问于2019-06-26得票数 9
从体系结构中获取的VGG16示例
浏览 4提问于2021-10-18得票数 0
2回答
我在Keras训练了两个卷积神经网络。第一个是网络，如下所示 model = Sequential() model.load_weights(weights_path)
第二网
def VGG2
浏览 5提问于2016-01-07得票数 2
回答已采纳
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
