深度学习（二）神经网络中的卷积和反卷积原理
原文作者：aircraft 原文地址：https://www.cnblogs.com/DOMLX/p/9579392.html 深度学习教程目录如下，还在继续更新完善中 深度学习系列教程目录 一.卷积 在深度学习的过程中，很多神经网络都会用到各种卷积核来进行操作 ...
原文：深度卷积神经网络中的下采样
深度卷积神经网络中的降采样 yolov 为什么要用卷积层代替池化层 降采样指的是成比例缩小特征图宽和高的过程，比如从 W，H 变为 W ，H 。深度卷积神经网络中降采样的方法主要有三种： stride大于 的pooling stride大于 的conv stride大于 的reorg 在YOLOv 的论文里叫passthrough layer 其中 和 在深度卷积神经网络中使用非常普遍， 比较小众 ...
2021-03-03 11:43 0 866 推荐指数：
相关推荐
深度卷积神经网络在目标检测中的进展
作者：travelsea 链接：https://zhuanlan.zhihu.com/p/22045213 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 近些年来，深度卷积神经网络（DCNN）在图像分类和识别上取得了很显著的提高。回顾 ...
深度学习之 TensorFlow（四）：卷积神经网络
基础概念： 卷积神经网络（CNN）：属于人工神经网络的一种，它的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。卷积神经网络不像传统的识别算法一样，需要对数据进行特征提取和数据重建，可以直接将图片作为网络的输入，自动提取特征，并且对图形的变形等具有高度不变形。在语音分析和图像识别 ...
基于theano的深度卷积神经网络
1.引言 卷积神经网络（Convolutional Neural Networks , CNN）受到视网膜上的细胞只对视野范围内的部分区域敏感，这一部分区域称为感受域（receptive field）.卷积神经网络正是采用了这种机制，每一个神经元只与一部分输入相连接。 2.稀疏连接 CNNs ...
深度卷积神经网络综述
原文链接： https://bss.csdn.net/m/zone/bdtc2019?utm_source=aicamp 【导读】近期一篇CNN综述文章《A Survey of the ...
深度学习之卷积神经网络
由于在看这类文章时专业名词较多，所以在正式开始前，我先介绍一些同义专业名词，各名词具体含义以及之间的关系在文中介绍。 卷积层 = C层 采样层 = 池化层（pooling层），S层 平面 = 特征图（feature map），通道，map 卷积核 = 权向量，滤波器 神经元 = 特征 ...
深度卷积神经网络学习笔记（一）
1.卷积操作实质： 输入图像（input volume），在深度方向上由很多slice组成，对于其中一个slice，可以对应很多神经元，神经元的weight表现为卷积核的形式，即一个方形的滤波器（filter）（如3X3），这些神经元各自分别对应图像中的某一个局部区域（local ...
深度学习——卷积神经网络入门
传统神经网络： 是全连接形式，即样本的每个特征属性都通过所有的隐藏层节点映射，最后输出数据。由于是全连接，所以计算极为复杂，且模型不易学习。 卷积神经网络：卷积神经网络(Convolutional Neural Networks, CNN), CNN可以有效的降低反馈神经网络(传统神经网络 ...